一种基于解耦联邦强化学习的虚拟电厂隐私保护调度方法
本发明涉及一种基于解耦联邦强化学习的虚拟电厂隐私保护调度方法,包括:构建虚拟电厂分层协同调度架构;建立虚拟电厂协同调度模型;生成具有统一数据结构的灵活调节能力表征;构建中央任务分解强化学习模型、各资源分区的本地资源控制强化学习模型并训练;得到目标分区调度子任务;执行可执行资源控制指令;按照预设更新周期对中央任务分解强化学习模型、本地资源控制强化学习模型及其共享模型参数进行增量更新。本发明实现异构分布式资源灵活调节能力的统一表征,将新能源、储能型资源和负荷型资源转换为具有统一维度和数据结构的灵活调节能力表征,为电力市场任务分解提供统一依据;提高异构资源联邦强化学习的适配性和隐私保护能力:避免异构完整模型直接聚合造成的参数失配,降低本地敏感信息泄露风险;提高虚拟电厂调度结果的可执行性和可靠性,本发明分别设置任务可行性修正模块和物理可行性修正模块,使分区调度子任务满足整体市场任务及资源分区能力约束,使资源控制指令满足新能源出力、储能充放电和负荷调节等运行约束。