考虑社区电动汽车有序充电的配电网优化运行方法和系统与流程

1.本发明属于电力领域，尤其涉及考虑社区电动汽车有序充电的配电网优化运行方法和系统。


背景技术：

2.电动汽车保有量持续增长。并网电动汽车既是随机的负荷又是移动的储能元件，其充放电行为对电网的运行有较大影响。尤其对于配电容量有限的社区配电网，大规模电动汽车充电将带来新一轮的负荷增长，电动汽车在高峰期充电将进一步加重社区配电变压器容量的压力，加剧电网负荷峰谷差，导致配电变压器过载、配电线路过载等问题。作为一种新型可变负荷，电动汽车能够通过与电网的互动进行有序充电，减少其对电网带来的不利影响，保障系统的经济安全运行，但传统的电动汽车充放电控制策略没有积极响应系统的动态灵活性需求，在当前市场环境下，电动汽车灵活性调节潜力还需充分挖掘。


技术实现要素：

3.为了解决或者改善上述问题，本发明提供了考虑社区电动汽车有序充电的配电网优化运行方法和系统，具体技术方案如下：
4.本发明提供一种考虑社区电动汽车有序充电的配电网优化运行方法，包括：
5.采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；
6.基于ddpg算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；
7.通过actor网络和critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成ddpg算法的离线学习，提高配电网调度运行的经济性。
8.优选的，所述基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型，包括：
9.考虑电动汽车有序充电的配电网经济调度问题的优化目标是最小化配电网运行成本，其中，所述配电网运行成本包括配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本；
10.考虑电动汽车有序充电的配电网运行优化问题的约束，其中，所述约束包括功率平衡约束、主电网交互功率约束、电储能系统运行约束和电动汽车充电站运行约束。
11.优选的，所述配电网运行成本：f＝min(ce+c
bes
+c
ev
)；其中，
12.配电网的运行成本：p
grid
(t)为时段t配电网的传输功率，当p
grid
(t)为正表示配电系统向主电网购电，当p
grid
(t)为负表示系统进行余电上网，εe(t)为时段t的电价，δt为时间间隙长度；
13.电储能系统的充放电折旧成本：p
bes
(t)为电储能系统在时段t的充电/放电功率，为正表示电储能处于放电状态，为负表示处于充电状态，ρ
bes
为电储能系统的折旧成本系数；
14.具有v2g功能的电动汽车充电站运行成本：p
ev
(t)为具有v2g功能的电动汽车充电站在时段t的运行功率，为正表示电动汽车充电站进行余电上网，为负表示电动汽车充电站向配电系统购电，ρ
ev
为电动汽车充电站的运行成本系数。
15.优选的，方法包括：
16.在时段t，功率平衡约束可表示为：p
grid
(t)+p
pv
(t)+p
bes
(t)+p
ev
(t)＝p
load
(t)，式中，p
pv
(t)为光伏的输出功率，p
load
(t)为时段t的电负荷情况；
17.主电网交互功率约束存在上、下限约束要求：式中，和分别为与主电网交互功率的下限和上限，
18.电储能系统运行约束存在上、下限范围：式中，和分别为电储能系统充电/放电功率的下限和上限，
19.式中，和分别为电储能系统荷电状态的下限和上限，c
soc
(t)为电储能系统在时段t的荷电状态；
20.具有v2g功能的所述电动汽车充电站的运行功率有：式中，和分别为所述电动汽车充电站运行功率的下限和上限。
21.优选的，方法包括：
22.式中，q
bes
为电储能系统的容量，为电储能系统初始时的荷电状态，η
bes
为电储能系统充/放电系数；
23.式中，η
ch
和η
dis
分别为电储能系统的充电效率和放电效率；
24.式中，q
ev
为电动汽车电池的容量；为电动汽车电池初始时的荷电状态，μ
ev
为电动汽车电池充/放电系数；
25.式中，μ
ch
和μ
dis
分别为电动汽车电池的充电效率和放电效率。
26.本发明提供一种考虑社区电动汽车有序充电的配电网优化运行系统，包括：
27.第一单元，用于采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；
28.第二单元，用于基于ddpg算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；
29.第三单元，用于通过actor网络和critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成ddpg算法的离线学习，提高配电网调度运行的经济性。
30.优选的，所述基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型，包括：
31.考虑电动汽车有序充电的配电网经济调度问题的优化目标是最小化配电网运行成本，其中，所述配电网运行成本包括配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本；
32.考虑电动汽车有序充电的配电网运行优化问题的约束，其中，所述约束包括功率平衡约束、主电网交互功率约束、电储能系统运行约束和电动汽车充电站运行约束。
33.优选的，所述配电网运行成本：f＝min(ce+c
bes
+c
ev
)；其中，
34.配电网的运行成本：p
grid
(t)为时段t配电网的传输功率，当p
grid
(t)为正表示配电系统向主电网购电，当p
grid
(t)为负表示系统进行余电上网，εe(t)为时段t的电价，δt为时间间隙长度；
35.电储能系统的充放电折旧成本：p
bes
(t)为电储能系统在时段t的充电/放电功率，为正表示电储能处于放电状态，为负表示处于充电状态，ρ
bes
为电储能系统的折旧成本系数；
36.具有v2g功能的电动汽车充电站运行成本：p
ev
(t)为具有v2g功能的电动汽车充电站在时段t的运行功率，为正表示电动汽车充电站进行余电上网，为负表示电动汽车充电站向配电系统购电，ρ
ev
为电动汽车充电站的运行成本系数。
37.优选的，系统包括：
38.在时段t，功率平衡约束可表示为：p
grid
(t)+p
pv
(t)+p
bes
(t)+p
ev
(t)＝p
load
(t)，式中，p
pv
(t)为光伏的输出功率，p
load
(t)为时段t的电负荷情况；
39.主电网交互功率约束存在上、下限约束要求：式中，和
分别为与主电网交互功率的下限和上限，
40.电储能系统运行约束存在上、下限范围：式中，和分别为电储能系统充电/放电功率的下限和上限，
41.式中，和分别为电储能系统荷电状态的下限和上限，c
soc
(t)为电储能系统在时段t的荷电状态；
42.具有v2g功能的所述电动汽车充电站的运行功率有：式中，和分别为所述电动汽车充电站运行功率的下限和上限。
43.优选的，系统包括：
44.式中，q
bes
为电储能系统的容量，为电储能系统初始时的荷电状态，η
bes
为电储能系统充/放电系数；
45.式中，η
ch
和η
dis
分别为电储能系统的充电效率和放电效率；
46.式中，q
ev
为电动汽车电池的容量；为电动汽车电池初始时的荷电状态，μ
ev
为电动汽车电池充/放电系数；
47.式中，μ
ch
和μ
dis
分别为电动汽车电池的充电效率和放电效率。
48.本发明的有益效果为：采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；基于ddpg算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；通过actor网络和critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成ddpg算法的离线学习，提高配电网调度运行的经济性，能够基于社区电动车信息进行电网的调节，提高配电网的运行效率。
附图说明
49.图1为本发明实施例中优化运行策略的原理图；
50.图2为本发明实施例中优化运行策略的流程图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
53.还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
54.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
55.为了解决或者改善对背景所提出的问题，本发明提供的考虑社区电动汽车有序充电的考虑社区电动汽车有序充电的配电网优化运行策略的实现原理如图1所示，该方法基于包含光伏发电、储能设备以及具有v2g功能的电动汽车充电设施的配电网进行数学建模，以最小化调度运行成本为目标，考虑其配电网运行成本、电储能系统的充放电折旧成本和电动汽车充电站运行成本，计及安全运行的各类功率平衡约束及设施运行约束。利用强化学习方法，结合分时电价机制，在相应时间间隔及循环周期内对所述调度运行优化模型进行成本最低优化计算，从而得到配电网实时最优调度策略。
56.本发明实施例提供的考虑社区电动汽车有序充电的考虑社区电动汽车有序充电的配电网优化运行策略的具体处理流程如图2所示，包括如下的处理步骤：
57.处理数据包括：配电网运行数据及电价信息。
58.后台执行数据处理，包括：深度学习、样本存储和经验样本回放。
59.输出后台数据处理结果至原目标网络，并进行主网络更新、目标网络更新(还包括参数之间的传递)，反馈到配电网运行数据及电价信息。
60.步骤s1、考虑了具有v2g功能的电动汽车充电站、光伏系统和储能系统的配电网场景，基于设定的目标函数、约束条件和决策变量建立调度运行优化模型。
61.步骤s2、采用深度确定性策略梯度算法，生成目标网络，结合分时电价机制，得到优化运行策略，引导电动汽车用户有序充电，提高配电网调度运行的经济性。
62.具体的，上述步骤s1包括：
63.考虑电动汽车有序充电的配电网经济调度问题的优化目标是最小化配电网运行成本，其包括配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本。配电网运行成本数学表达式为：
64.配电网运行成本是包括了多个环节的配电运行整体成本：配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本；其中，配电网的运行成本是指配电相关设备、人员的运行成本。
65.f＝min(ce+c
bes
+c
ev
)，式中，ce为配电网的运行成本；c
bes
为电储能系统的充放电折旧成本；c
ev
为具有v2g功能的电动汽车充电站运行成本。
66.其中，从配电网的运行成本为：式中，p
grid
(t)为时段t配电网的传输功率，为正表示配电系统向主电网购电，为负表示系统进行余电上网，εe(t)为时段t的电价，δt为时间间隙长度。
67.电储能系统的充放电折旧成本计算公式为：式中，p
bes
(t)为电储能系统在时段t的充电/放电功率，为正表示电储能处于放电状态，为负表示处于充电状态，ρ
bes
为电储能系统的折旧成本系数。
68.具有v2g功能的电动汽车充电站运行成本为：式中，p
ev
(t)为具有v2g功能的电动汽车充电站在时段t的运行功率，为正表示电动汽车充电站进行余电上网，为负表示电动汽车充电站向配电系统购电，ρ
ev
为电动汽车充电站的运行成本系数。
69.考虑电动汽车有序充电的配电网运行优化问题的约束包括功率平衡约束、主电网交互功率约束、电储能系统运行约束和电动汽车充电站运行约束。
70.在时段t，功率平衡约束可表示为：p
grid
(t)+p
pv
(t)+p
bes
(t)+p
ev
(t)＝p
load
(t)，式中，p
pv
(t)为光伏的输出功率，p
load
(t)为时段t的电负荷情况。
71.考虑到电网侧的运行稳定性，主网与配电网的功率交互有上、下限约束要求：式中，和分别为与主电网交互功率的下限和上限。
72.配电网中各设施均有运行的上、下限范围，对于电储能系统的充电/放电功率有：式中，和分别为电储能系统充电/放电功率的下限和上限。
73.对于电储能设施，还需要避免深度充放电对电储能系统的损害，因此电储能系统的荷电状态(soc)被限定在一定范围内。
74.式中，和分别为电储能系统荷电状态的下限和上限，c
soc
(t)为电储能系统在时段t的荷电状态。
75.c
soc
(t)可表示为：式中，q
bes
为电储能系统的容量，为电储能系统初始时的荷电状态，η
bes
为电储能系统充/放电系数。
76.式中，η
ch
和η
dis
分别为电储能系统的充电效率和放电效率。
77.具有v2g功能的电动汽车充电站的运行功率有：式中，和分别为电动汽车充电站运行功率的下限和上限。
78.对于电动汽车充电站，还需进一步考虑电动汽车接入后，其电池的荷电状态(soc)：式中，和分别为电动汽车电池荷电状态的下限和上限，c
soc-ev
(t)为电动汽车电池在时段t的荷电状态。
79.c
soc-ev
(t)可表示为：式中，q
ev
为电动汽车电池的容量；为电动汽车电池初始时的荷电状态，μ
ev
为电动汽车电池充/放电系数。
80.式中，μ
ch
和μ
dis
分别为电动汽车电池的充电效率和放电效率。
81.具体的，上述步骤s2包括：
82.强化学习的理论基础为马尔可夫决策过程，其可以用一个五元组(s,a,p,r,γ)来表示，其中s表征状态集合、a表征动作集合、p表征转移概率，r表征奖励函数及r表征折扣因子。t时刻，在策略π下，智能体根据当前状态s
t
采取动作a
t
，并依据转移概率p(s
t+1
|s
t
,a
t
)进入到下一状态s
t+1
，同时得到来自环境的反馈r
t
。为降低未来反馈对于当前的影响，累计回报r
t
为：
83.为找到最佳策略π，得到累计回报期望的最大值，为便于求解，对某时刻的状态动作进行评估，引入状态动作值函数：
84.ddpg算法在处理高维连续动作空间问题时有良好的表现，同时其继承了dqn算法中的经验回放和独立目标网络，打破了数据间的关联性。ddpg算法使用了actor-critic网络，使动作空间升级为连续状态。
85.其中，ω，和θ，分别为价值网络和策略网络的参数；δ为时间差分偏差，|δ|越小说明状态动作值函数越准确；α
ω
和α
θ
分别为参数ω和θ的更新步长；τ一般取值为0.001。
86.actor/critic的相关数据包括训练数据集、各种参数等。
87.价值网络的更新目标是使损失函数loss1的值最小，loss1接近于0时，说明价值网络收敛，此时可得到准确的q(s,a)。策略网络的更新目标是使损失函数loss2的值最小，在
状态s下选取的动作a能够使q(s,a)最大。在整个状态空间中，当loss1和loss2均很小时，说明模型收敛。
[0088][0089]
基于已有的光伏出力及电负荷历史数据，结合分时电价信息，设置配电网的调度周期为24小时，相邻两个时段的间隔为1小时，利用ddpg算法对智能体进行2000episodes的训练后成功收敛，得到相应运行策略。
[0090]
本领域普通技术人员可以意识到，结合本实施例中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0091]
在本技术所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
[0092]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.一种考虑社区电动汽车有序充电的配电网优化运行方法，其特征在于，包括：采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；基于ddpg算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；通过actor网络和critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成ddpg算法的离线学习，提高配电网调度运行的经济性。2.根据权利要求1所述考虑社区电动汽车有序充电的配电网优化运行方法，其特征在于，所述基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型，包括：考虑电动汽车有序充电的配电网经济调度问题的优化目标是最小化配电网运行成本，其中，所述配电网运行成本包括配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本；考虑电动汽车有序充电的配电网运行优化问题的约束，其中，所述约束包括功率平衡约束、主电网交互功率约束、电储能系统运行约束和电动汽车充电站运行约束。3.根据权利要求2所述考虑社区电动汽车有序充电的配电网优化运行方法，其特征在于，所述配电网运行成本：f＝min(c
e
+c
bes
+c
ev
)；其中，配电网的运行成本：p
grid
(t)为时段t配电网的传输功率，当p
grid
(t)为正表示配电系统向主电网购电，当p
grid
(t)为负表示系统进行余电上网，ε
e
(t)为时段t的电价，δt为时间间隙长度；电储能系统的充放电折旧成本：p
bes
(t)为电储能系统在时段t的充电/放电功率，当p
bes
(t)为正表示电储能处于放电状态，当p
bes
(t)为负表示处于充电状态，ρ
bes
为电储能系统的折旧成本系数；具有v2g功能的电动汽车充电站运行成本：p
ev
(t)为具有v2g功能的电动汽车充电站在时段t的运行功率，当p
ev
(t)为正表示电动汽车充电站进行余电上网，为负表示电动汽车充电站向配电系统购电，ρ
ev
为电动汽车充电站的运行成本系数。4.根据权利要求3所述考虑社区电动汽车有序充电的配电网优化运行方法，其特征在于，包括：在时段t，功率平衡约束可表示为：p
grid
(t)+p
pv
(t)+p
bes
(t)+p
ev
(t)＝p
load
(t)，式中，p
pv
(t)为光伏的输出功率，p
load
(t)为时段t的电负荷情况；主电网交互功率约束存在上、下限约束要求：式中，和分别为与主电网交互功率的下限和上限，电储能系统运行约束存在上、下限范围：式中，和分别为
电储能系统充电/放电功率的下限和上限，式中，和分别为电储能系统荷电状态的下限和上限，c
soc
(t)为电储能系统在时段t的荷电状态；具有v2g功能的所述电动汽车充电站的运行功率有：式中，和分别为所述电动汽车充电站运行功率的下限和上限。5.根据权利要求4所述考虑社区电动汽车有序充电的配电网优化运行方法，其特征在于，包括：式中，q
bes
为电储能系统的容量，为电储能系统初始时的荷电状态，η
bes
为电储能系统充/放电系数；式中，η
ch
和η
dis
分别为电储能系统的充电效率和放电效率；式中，q
ev
为电动汽车电池的容量；为电动汽车电池初始时的荷电状态，μ
ev
为电动汽车电池充/放电系数；式中，μ
ch
和μ
dis
分别为电动汽车电池的充电效率和放电效率。6.一种考虑社区电动汽车有序充电的配电网优化运行系统，其特征在于，包括：第一单元，用于采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；第二单元，用于基于ddpg算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；第三单元，用于通过actor网络和critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成ddpg算法的离线学习，提高配电网调度运行的经济性。7.根据权利要求6所述考虑社区电动汽车有序充电的配电网优化运行系统，其特征在于，所述基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型，包括：考虑电动汽车有序充电的配电网经济调度问题的优化目标是最小化配电网运行成本，其中，所述配电网运行成本包括配电网的运行成本、电储能系统的充放电折旧成本和具有v2g功能的电动汽车充电站运行成本；考虑电动汽车有序充电的配电网运行优化问题的约束，其中，所述约束包括功率平衡约束、主电网交互功率约束、电储能系统运行约束和电动汽车充电站运行约束。8.根据权利要求7所述考虑社区电动汽车有序充电的配电网优化运行系统，其特征在
于，所述配电网运行成本：f＝min(c
e
+c
bes
+c
ev
)；其中，配电网的运行成本：p
grid
(t)为时段t配电网的传输功率，当p
grid
(t)为正表示配电系统向主电网购电，当p
grid
(t)为负表示系统进行余电上网，ε
e
(t)为时段t的电价，δt为时间间隙长度；电储能系统的充放电折旧成本：p
bes
(t)为电储能系统在时段t的充电/放电功率，为正表示电储能处于放电状态，为负表示处于充电状态，ρ
bes
为电储能系统的折旧成本系数；具有v2g功能的电动汽车充电站运行成本：p
ev
(t)为具有v2g功能的电动汽车充电站在时段t的运行功率，为正表示电动汽车充电站进行余电上网，为负表示电动汽车充电站向配电系统购电，ρ
ev
为电动汽车充电站的运行成本系数。9.根据权利要求8所述考虑社区电动汽车有序充电的配电网优化运行系统，其特征在于，包括：在时段t，功率平衡约束可表示为：p
grid
(t)+p
pv
(t)+p
bes
(t)+p
ev
(t)＝p
load
(t)，式中，p
pv
(t)为光伏的输出功率，p
load
(t)为时段t的电负荷情况；主电网交互功率约束存在上、下限约束要求：式中，和分别为与主电网交互功率的下限和上限，电储能系统运行约束存在上、下限范围：式中，和分别为电储能系统充电/放电功率的下限和上限，式中，和分别为电储能系统荷电状态的下限和上限，c
soc
(t)为电储能系统在时段t的荷电状态；具有v2g功能的所述电动汽车充电站的运行功率有：式中，和分别为所述电动汽车充电站运行功率的下限和上限。10.根据权利要求9所述考虑社区电动汽车有序充电的配电网优化运行系统，其特征在于，包括：式中，q
bes
为电储能系统的容量，为电储能系统初始时的荷电状态，η
bes
为电储能系统充/放电系数；式中，η
ch
和η
dis
分别为电储能系统的充电效率和放电效率；式中，q
ev
为电动汽车电
池的容量；为电动汽车电池初始时的荷电状态，μ
ev
为电动汽车电池充/放电系数；式中，μ
ch
和μ
dis
分别为电动汽车电池的充电效率和放电效率。

技术总结
本发明属于电力领域，尤其涉及考虑社区电动汽车有序充电的配电网优化运行方法和系统，方法采集数据以解析得到电动汽车用户的充电需求参数，基于配电网运行成本最低的优化运行目标及指定的约束条件，建立配电网运行调度优化模型；基于DDPG算法，将考虑社区电动汽车有序充电的配电网优化调度问题，转化为策略决策问题；通过Actor网络和Critic网络分别创建两个独立的目标网络，将相关数据输入所述目标网络并完成训练，实现网络参数的更新，从而完成DDPG算法的离线学习，提高配电网调度运行的经济性。能够基于社区电动车信息进行电网的调节，提高配电网的运行效率。提高配电网的运行效率。提高配电网的运行效率。


技术研发人员：吴宁 肖静 韩帅 陈卫东 郭敏 吴晓锐 龚文兰 卢健斌 姚知洋 莫宇鸿 郭小璇 孙乐平 赵立夏
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2023.03.28
技术公布日：2023/8/9