基于自适应动态规划方法的微电网电能自学习优化控制

摘要

【目的】针对智能电网中电能供需优化匹配与调控越来越复杂，且传统静态优化方法不能满足智能电网优化需求的问题，提出了一种自学习最优控制方法来解决冰蓄冷空调(IAC)系统的最优控制问题。【方法】本文采用自适应动态规划-粒子群(ADP-PSO)算法解决系统最优控制问题，设计了双层迭代自适应动态规划方法学习最优控制策略，其中内层迭代计算时变换迭代控制律序列，外层迭代时优化迭代值函数。为获得适用于IAC系统的最优控制，开发了并行控制方案，该方案能够在最低运营成本的情况下满足冷却负荷需求。【结果】仿真结果和比较研究验证了所提算法的有效性。【结论】本文提出的自适应动态规划-粒子群算法可获得最优能量匹配，该策略可使迭代值函数收敛到最优，获得最优控制策略，使系统运行成本最小化。

关键词

智能电网 / 自适应动态规划 / 粒子群优化 / 数据控制 / 神经网络

基金资助

国家重点研发计划项目(2024YFB4709100); 国家自然科学基金项目(62425310); 北京市自然科学基金项目(L257011); 国防基础科研计划项目(JCKY2019203C029,JCKY2020130C025); 澳门特别行政区科学技术发展基金项目(FDCT-22-009-MISE,0060/2021/A2,0015/2020/AMJ)