机构名称：
¥ 1.0
摘要 本文提出了一种基于深度强化学习的方法，用于优化管理微电网内的不同能源资源。所提出的方法考虑了主要要素的随机行为，包括负荷曲线、发电曲线和定价信号。通过定义状态、动作、奖励和目标函数，将能源管理问题表述为有限时域马尔可夫决策过程 (MDP)，而无需事先了解转换概率。这种公式不需要微电网的明确模型，而是利用累积的数据和与微电网的交互来得出最佳策略。实施了一种基于深度 Q 网络的有效强化学习算法来解决所开发的公式。为了确认这种方法的有效性，实施了一个基于真实微电网的案例研究。所提出方法的结果证明了它能够在随机条件下以最佳成本效益的方式在线调度微电网内的各种能源资源。实现的运营成本在最佳计划成本的 2% 以内。 2022 作者。由 Elsevier BV 代表亚历山大大学工程学院出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/ 4.0/ ) 开放获取的文章。
使用深度 Q 网络强化学习进行微电网能源管理
主要关键词
相关文件推荐
