基于深度强化学习的虚拟电厂发电计划制定与经济调度方法

本申请属于电网技术领域，更具体地说，涉及基于深度强化学习的虚拟电厂发电计划制定与经济调度方法，本发明分为离线训练和在线执行两个阶段；在离线训练中，通过ε‑贪婪算法平衡探索与利用，结合经验回放机制和目标网络提高数据利用效率和稳定性。同时，目标网络的引入降低了训练过程中的偏差，增强了训练的稳定性。在在线执行阶段，通过将深度神经网络转换为混合整数规划(MIP)模型，实现了对约束条件的严格执行。具体实施中，利用商业MIP求解器，得到最优动作，从而确保调度策略在实际执行中更加准确和合理。该方法在解决电力系统调度问题中具有重要的应用前景，能够有效应对复杂约束条件下的调度需求，提高了系统的稳定性和运行效率。