找到 1 条结果
基于深度强化学习的可再生能源与储能系统在多电力市场中最大化收益策略
Deep reinforcement learning-based strategy for maximizing returns from renewable energy and energy storage systems in multi-electricity markets
Javier Cardo-Miota · Hector Beltran · Emilio Pérez · Shafi Khadem 等5人 · Applied Energy · 2025年1月 · Vol.388
摘要 可再生能源（RES）与储能系统（ESS）的集成在优化其参与电力市场的过程中带来了挑战与机遇。本研究提出了一种新方法，利用深度强化学习（RL）算法为共址配置的可再生能源与电池储能系统（BESS）开发最优投标策略，实现同时参与电能量市场和辅助服务（AS）市场的多市场运作。所提出的方法采用马尔可夫决策过程（MDP）框架，根据市场状况和技术约束动态管理BESS的使用。作为强化学习智能体，采用了名为双延迟深度确定性（TD3）策略梯度算法的Actor-Critic方法。数据驱动的训练过程有助于模型学习...
解读: 该深度强化学习多市场竞价策略对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究中TD3算法实现的动态BESS调度与我司储能系统的智能能量管理高度契合,可集成至iSolarCloud平台实现日前市场与辅助服务的联合优化。案例中光储协同参与调频备用服务的模式,可直接应用于我司1...