研究目的
为智能微电网开发一种智能动态能源管理系统（I - DEMS），以优化能源调度并高效管理可再生能源（RESs）和储能设备。
研究成果
采用ADHDP方法结合进化学习开发的I-DEMS，在满足100%关键负荷需求、优化可控负荷的能源调度以及延长电池生命周期方面，相比传统D-DEMS展现出更优性能。该框架能实现微电网的智能管理，达成自持性、可靠性和环保性的目标。
研究不足
该研究聚焦于能源调度的优化，未考虑微电网运行的经济因素。实施动态优化的进化策略所涉及的计算成本被视为未来改进的潜在方向。
1：实验设计与方法选择：
本研究引入进化自适应动态规划与强化学习框架，用于在线演化I-DEMS系统。该框架采用两个神经网络分别实现最优控制策略与成本函数逼近。
2：样本选取与数据来源：
微电网系统包含混合能源（光伏发电、风力发电、柴油发电机、电池储能系统）与负荷配置（关键负荷与可控负荷）。首日数据用于开发I-DEMS，次日数据用于评估验证。
3：实验设备与材料清单：
微电网组件包含40千瓦光伏发电、30千瓦风力发电、10千瓦柴油发电机及电池储能系统。
4：实验流程与操作步骤：
通过监督学习开发I-DEMS，使其模仿基于决策树方法的D-DEMS规则集，并在不同电池状态下评估性能，与D-DEMS进行对比。
5：数据分析方法：
采用开发性能指标（PI）及考虑电池寿命的改进性能指标（PI-LF），对I-DEMS与D-DEMS进行性能比较。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
solar PV generation
40-kW
Primary source of renewable energy for the microgrid.
-
wind generation
30-kW
Primary source of renewable energy for the microgrid.
-
diesel generator
10-kW
Backup energy source for the microgrid.
-
battery energy storage system
Energy storage for balancing supply and demand in the microgrid.
-
登录查看剩余2件设备及参数对照表
查看全部
