光伏发电在构建“清洁低碳、安全高效”的能源体系中发挥着越来越重要的作用。当前我国庞大的光伏装机量仅依靠电力系统调节已无法有效消纳光伏出力。园区综合能源系统作为连接配电网与多能用户的纽带，通过相互转换电力、热力、燃气等能源，不仅可以提升不同类型能源的利用效率与系统经济效益，还可以提升分布式光伏发电的就地消纳率。

建立高效、经济、灵活的园区电-气-热综合能源系统调控方法，挖掘其对于配电网高渗透率光伏发电的消纳潜力，对于促进新型电力系统发展具有重要意义。

深度强化学习是支撑园区综合能源系统自适应调控其多能转换与存储设备，以消纳光伏发电及满足用户多能需求的重要技术。然而，深度强化学习智能体通常利用其与园区综合能源系统的实时环境-动作交互来调控其设备运行状态，难以在高渗透率光伏场景下考虑尖峰光伏发电并预留充足的储能资源。

为充分挖掘园区综合能源系统的多能耦合优势及其储能设备在配电网高渗透率光伏部署场景下具备的消纳潜力，华北电力大学陈明昊、朱月瑶等提出一种结合光伏发电区间预测与柔性Actor-Critic深度强化学习的园区综合能源系统优化调控方法。

该方法利用时序卷积网络和核密度估计得到配电网光伏发电区间预测结果，并将光伏区间预测结果作为柔性Actor-Critic智能体优化调控模型的状态空间，以挖掘园区综合能源系统支撑配电网光伏消纳的潜力并优化其运行经济效益。

仿真验证了结合柔性Actor-Critic深度强化学习与光伏发电区间预测的园区综合能源系统优化调控方法能够基于光伏区间预测结果研判未来光伏消纳需求，并通过动态调节园区综合能源系统多能转换设备运行功率和储能设备储能量来尽可能地消纳光伏出力和降低系统运行成本。

分析结果表明，当光伏渗透率较低时，不同能源之间的价格差是园区综合能源系统进行能源动态转换以获得成本节约的驱动力；相反，在高渗透率光伏部署场景，园区综合能源系统的日内多能转换与存储动作需要同时兼顾光伏消纳需求与多能价格差，并通过尽可能预留储能资源以提升其光伏发电消纳能力。

研究者发现，园区综合能源系统作为连接配电网多能供给与负荷的桥梁，其电、气、热能转换与存储的优化调控动作不仅需要考虑光伏等新能源出力的波动性，还需要同时考虑其用户多能需求的不确定性。因此，后续研究需要在本文基础上，进一步针对用户用能行为特性展开分析，实现园区综合能源系统新能源发电-用户负荷的供需联合预测，并反馈指导其动态调控能源转换与存储动作，进一步优化其经济效益。

本工作成果发表在2024年第19期《电工技术学报》，论文标题为“计及高渗透率光伏消纳与深度强化学习的综合能源系统预测调控”。本课题得到国家电网有限公司科技项目资助。