基于DDPG深度强化学习的光伏储能系统实时能量优化调度方法及装置与应用

本发明公开了一种基于DDPG深度强化学习的光伏储能系统实时能量优化调度方法及装置与应用，包括：计算光伏组件衰减、灰尘及遮挡损失特征，并结合Encoder‑Decoder+LSTM模型进行出力趋势预测；利用一维卷积神经网络分析历史出力曲线，提取非天气因素导致的限电特征，训练限电预测模型；基于限电预测值生成限电因子以修正光伏出力预测，并构建经济成本函数；将修正后的出力预测、用户用电需求、电价及限电预测值构成状态向量，输入DDPG智能体，由Actor网络输出满足约束的储能充放电调度动作，Critic网络评价动作价值，并周期性更新网络权重。本发明能有效应对电网限电风险，提升光伏自用率，显著降低系统运行成本。