来源：期刊VIP网 时间：
作者：胡伟;郑婷婷;杜璞良;
单位：上海电力大学经济与管理学院;
摘要：随着可再生能源大规模并网，其反调峰特性和波动性对电力系统的经济稳定运行构成了严峻挑战，传统的调度手段在面对复杂多变的系统环境时显得力不从心。针对这一难题，提出一种基于可迁移深度强化学习的虚拟电厂优化调度策略，旨在促进虚拟电厂在电力市场、碳交易市场及绿色电力证书交易市场（简称绿证市场）中的高效参与。首先，深入剖析电力、碳交易及绿证市场之间的内在联系，建立虚拟电厂参与联合市场的调度模型。其次，采用Frank-Copula函数精准生成风光出力的典型场景，有效捕捉风光资源的不确定性特征。然后，利用柔性策略评价算法对各场景集的子任务模型进行深度优化，结合最大熵原理成功解决过估计问题。最后，引入迁移学习机制，将不同场景下积累的调度知识迁移至日前调度任务中，显著优化了模型的调度决策。算例分析结果显示，本文所提方法在泛化能力和学习能力上表现突出，有效提升了虚拟电厂在电-碳-绿证市场中的经济效益和环境权益，为实现低碳、高效的电力系统运行提供了有力支撑。
关键词：虚拟电厂;;电力市场;;碳交易;;绿证交易;;可迁移深度强化学习;;优化调度
基金资助：国家社会科学基金一般项目(19BGL003)
