基于强化学习的综合能源系统管理综述

为了满足日益增长的能源需求并减少对环境的破坏, 节能成为全球经济和社会发展的一项长远战略方针, 加强能源管理能够提高能源利用效率、促进节能减排. 然而, 可再生能源和柔性负载的接入使得综合能源系统(Integrated energy system, IES)发展成为具有高度不确定性的复杂动态系统, 给现代化能源管理带来巨大的挑战. 强化学习(Reinforcement learning, RL)作为一种典型的交互试错型学习方法, 适用于求解具有不确定性的复杂动态系统优化问题, 因此在综合能源系统管理问题中得到广泛关注. 本文从模型和算法的层面系统地回顾了利用强化学习求解综合能源系统管理问题的现有研究成果, 并从多时间尺度特性、可解释性、迁移性和信息安全性4个方面提出展望.     

基于模糊粗糙特征集的不确定性知识表达

某些客观事物因其复杂性具有或不具有某种特征有时是不确定的、模糊的，针对此类不确定性知识表达和量化的需要，基于模糊粗糙集理论构建了知识表达的模糊粗糙特征集模型，并将其应用于研制经验的不确定性知识表达。实例结果表明，这种方法是合理的、可行的、有效的。     

计及碳交易机制的电力系统随机优化调度

为应对全球变暖,提高电网运行的经济与环境效益,引入碳交易机制,以系统发电能源消耗成本与碳交易成本之和作为目标函数,建立了碳交易机制下含多种分布式能源的电力系统优化调度模型。针对分布式能源接入和负荷波动给系统带来的相关性与随机性,采用基于Nataf变换的多点估计法将不确定模型转化为确定性模型求解。对IEEE57节点电力系统的仿真分析和对蒙特卡洛法的对比分析验证了所提模型及方法的有效性。最后,在此基础上分析了估计点个数对算法的影响以及碳交易价格对系统运行的影响。     

地铁牵引供电系统直流馈线保护技术探究

地铁直流牵引供电系统是地铁系统的重要组成,直流馈线保护技术是地铁直流牵引供电系统的核心。我国地铁牵引供电系统的研究起步晚,在快速的地铁发展中供电系统出现了许多问题,供电系统保护装置的可靠性在不同程度地下降。馈线保护技术是关系到直流牵引供电系统可靠性的关键因素,是保护地铁牵引供电系统正常运行的重要保障。