一种基于强化学习的灵活性资源调度决策适应性调整方法

本发明涉及一种基于强化学习的灵活性资源调度决策适应性调整方法，属综合能源领域，解决资源调度灵活性低的问题。包括基于电力系统的净负荷波动水平和碳排放总量，以及用户分布式可再生能源和储能配置构建资源调度的负荷波动调整双层模型，包括负荷波动调整优化模型和用户分布式资源配置优化模型；获取电力系统一定历史周期内典型日的净负荷数据，基于动态峰谷时段确定方法对每个典型日的净负荷功率曲线划分峰谷时段，得到对应的平时段、低谷时段和高峰时段；基于平时段、低谷时段和高峰时段，利用深度强化学习方法对负荷波动调整双层模型迭代求解，获得负荷波动水平优化后预测的发电机组出力结果和各用户的分布式可再生能源配置和储能配置容量。