|
||
水力发电学报 ›› 2024, Vol. 43 ›› Issue (8): 76-88.doi: 10.11660/slfdxb.20240808
摘要: 本文聚焦于三峡电站厂内经济运行的关键问题——实现以最小化耗水量为目标的大规模机组实时负荷分配。鉴于传统动态规划方法在处理三峡电站大规模水电机组群时面临维数爆炸问题,进而无法满足调度决策实时性要求,本文提出基于深度强化学习的多时段机组负荷分配模型训练和决策框架。采用深度强化学习方法训练深度神经网络,通过预训练网络模型决策生成机组负荷分配计划。将群论应用到深度强化学习的状态和动作特征处理中,显著压缩了状态和动作空间,从而提升模型训练效率。研究结果表明,相比于动态规划法,基于深度强化学习的三峡电站机组负荷分配方法在保证优化解精度的同时,以不到1%的效益损失为代价,将决策耗时降低了2个数量级,为水电站大规模机组负荷分配提供了一种快速、高效的解决方案。
京ICP备13015787号-3 版权所有 © 2013《水力发电学报》编辑部 编辑部地址:中国北京清华大学水电工程系 邮政编码:100084 电话:010-62783813 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn |