基于深度卷积神经网络和合作博弈的多微网实时能量管理策略

作者：陈灵^*; 陈郑平; 李军良; 米为民; 刘铭洋

来源：电气工程学报, 2022, 17(02): 215-225.

• 列生成算法
• 合作博弈
• 卷积神经网络
• 能源管理系统
• 微网群
• RES

多微网(Multi-microgrid,MMG)系统可为负载中心提供可靠、独立电能，然而，MMG系统面临实时管理、经济运行和控制等问题。基于此，提出一种新型能源管理系统(Energy management system,EMS)，将多个不同利益主体的MMG变成一个统一高效的系统。为了保证每个MMG都可以实现自己的运行目标，所提EMS是基于合作博弈来实现MMG系统的高效协调运行，并确保联盟成员之间的能源成本公平分配。另外，充分考虑联盟成员数呈指数增长时的能源成本分配问题，采用列生成算法解决上述问题。此外，采用深度卷积神经网络(Deep convolutional neural network,CNN)估计MMG的日运行成本，并提出了一种优化MMG日总运行成本的调度策略。最后，为了验证所提模型的有效性和优越性，将所提算法与近似动态规划(Approximate dynamic programming,ADP)、模型预测控制(Model prediction control,MPC)和贪婪算法等现有的优化调度策略进行了比较。仿真结果表明，各MMG可通过合作博弈的方式实现节能降耗，所提优化策略降低的系统日运行成本明显低于其他方法。

• 单位
  北京科东电力控制系统有限责任公司; 国网福建省电力有限公司