典型文献
基于深度强化学习技术的光伏–固体氧化物燃料电池混合能源系统多场景控制
文献摘要：
固体氧化物燃料电池(solid oxide fuel cell,SOFC)运行安静、清洁高效,具有广泛的应用前景.SOFC能够与其他发电装置和储能装置灵活耦合形成混合能源系统,该文所研究的光伏?燃料电池(photovoltaic-solid oxide fuel cell,PV-SOFC)混合能源系统将太阳能通过电转气技术(power to gas,P2G)转换为氢能供SOFC使用,能够有效弥补太阳能波动性大、间歇性强的缺点.针对SOFC混合能源系统多变量、强非线性的特征,该文采用深度强化学习(deep reinforcement learning,DRL)技术研究一种智能运行控制策略.首先,搭建PV-SOFC混合能源系统的仿真模型,该模型以SOFC为核心,侧重于系统中的功率流向和氢气流向,并考虑了系统内部的运行条件约束.其次,分别提出联网运行模式与孤岛运行模式下基于深度确定性策略梯度算法(deep deterministic policy gradient,DDPG)的系统智能运行控制策略.最后,通过算例仿真验证该算法的有效性.结果表明,孤岛运行模式下DDPG算法能够在不同环境和负荷需求条件下使混合能源系统保持较低的系统失电概率和弃电概率,有效提高系统的运行可靠性和经济性.联网运行模式下DDPG算法能够利用不同时间段的电价差和剩余储氢与电网灵活交易,从而获取更高的系统长期收益.
文献关键词：
固体氧化物燃料电池;混合能源系统;深度强化学习;DDPG算法;能量管理策略
中图分类号：
作者姓名：
宋雨桐;陈涛;高赐威;宋梦;胡秦然
作者机构：
东南大学电气工程学院,江苏省南京市 210096
文献出处：
引用格式：
[1]宋雨桐;陈涛;高赐威;宋梦;胡秦然-.基于深度强化学习技术的光伏–固体氧化物燃料电池混合能源系统多场景控制)[J].中国电机工程学报,2022(22):8129-8139,中插8
A类：
B类：
深度强化学习,学习技术,固体氧化物燃料电池,混合能源系统,多场景,solid,oxide,fuel,cell,SOFC,安静,清洁高效,发电装置,储能装置,photovoltaic,PV,电转气技术,power,gas,P2G,氢能,波动性,间歇性,多变量,强非线性,deep,reinforcement,learning,DRL,智能运行控制,运行控制策略,功率流向,氢气,运行条件,运行模式,孤岛运行,深度确定性策略梯度算法,deterministic,policy,gradient,DDPG,仿真验证,不同环境,负荷需求,系统失电,弃电,运行可靠性,不同时间段,电价,价差,储氢,期收,能量管理策略
AB值：
0.326793
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
