MMMay, 2020

基于多智能体深度 Actor-Critic 学习的智能电网需求侧调度

PDF
TL;DR本文针对需求侧能源管理问题，提出了一种基于智能电网环境的多智能体深度强化学习算法，可以在保证可扩展性和隐私保护的前提下利用即时观测和价格信号来最小化总体成本，并降低家庭总能耗的峰谷比和电力费用。
demand-side energy managementsmart gridsmulti-agent deep reinforcement learningpartial observabilityreal-time pricing
发现论文，激发创造
  • 住宅智能电网中智能负载调度的分布式深度强化学习

    论文介绍了一个利用分布式深度强化学习模型实现智能管理家庭用电的方法，这个方法可以保护用户隐私，以降低电网运营成本，减少家庭用电费用，实现用电峰谷负荷比例和负荷方差分别降低 12% 和 11% 的效果。

    Jun, 2020

  • 面向住宅负荷快速需求响应的多智能体强化学习

    本文研究了如何通过反应需求实现频率调控来整合高比例的可再生能源资源对电力网的影响。作者提出一个分散的代理模型，通过多代理近端政策优化和本地化通信进行训练。同时，文中探讨了两种通信框架：手工设计或通过目标化的多代理通信进行学习。最终的政策可以良好地、稳健地完成频率调节，并可以在恒定处理时间下无缝扩展到任意数量的房屋。

    Jan, 2023

  • 在线建筑能量优化使用深度强化学习

    本研究首次探讨使用深度强化学习在智能电网环境下实现建筑能源管理系统的在线调度优化，所提出的方法被验证可用于大规模数据资源中，如 Pecan Street Inc. 数据库，并且可以提供实时反馈以鼓励电能的更高效利用。

    Jul, 2017

  • 基于深度强化学习的物联网驱动智能孤岛微电网最优调度

    本文使用深度强化学习技术研究了 IoT 驱动孤立微电网中柴油发电机（DG）的调度问题。旨在在可再生能源不确定性情况下充分利用可再生能源，通过离散 - 连续混合动作空间的 DRL 算法解决了二进制 DG 开关决策和连续能量调度决策，并针对旋转备用的情况提出了 POMDP 模型，实验显示其性能要优于同类算法。

    Apr, 2023

  • 利用改进的多智能体软 actor-critic 算法进行多微电网协同优化调度

    本研究提出一种基于多智能体集中培训分布执行框架的多微电网协同优化调度模型，并采用改进的多智能体软演员 - 评论家算法 (MASAC) 和自动机器学习 (AutoML) 对其进行优化，以提高深度强化学习的泛化能力，实现不同实体之间的电能互补，降低多微电网系统运营成本，并在经济性和计算效率方面显著优于其他最先进的强化学习算法。

    Apr, 2023

  • 集中编排区块链协作：基于多智能体强化學習的住宅能量灵活协调

    深层多智能体强化学习可实现住宅能量灵活性的可扩展和隐私保护的协调，结果表明，通过使用中心化但分化的评论家，可以在执行前排练协调。

    May, 2023

  • 基于深度 Q 学习的智能电动车需求响应在智能电网中的智能调度

    使用深度强化学习进行电动车辆在微电网中的充电和放电活动调度，以对齐配电系统运营商提供的目标能源配置文件。

    Jan, 2024

  • 深度强化学习微电网优化策略考虑优先级灵活需求

    在考虑微电网整体环境运营的基础上，本研究针对集中控制的问题，优先考虑各组件响应优先级，利用异步优势演员批评方法模拟优化模型实现多分布式电源的弱耦合调度和灵活负荷供给，保证供电可靠性的同时节约成本。

    Nov, 2022

  • 使用集体行为熵进行大规模家庭能源管理的连续多智能体控制

    本研究提出了一种集体的 MA-DRL 算法以及一个新型预测模型和集体行为熵，以在大规模微电网中提供细粒度控制，减轻微电网环境的不稳定性，并显著提高电力成本降低和峰值负荷优化方面的性能。

    May, 2020

  • 利用深度强化学习推进具备需求响应的攻击弹性集成能源系统的调度

    基于深度强化学习的状态对抗方式，提出了一种创新的无模型韧性调度方法，用于具备集成需求响应功能的集成能源系统，该方法能够充分应对可再生能源和负载所带来的不确定性，并减轻网络攻击对调度策略的影响，确保各种能源的稳定供求，并具备抵御网络攻击的韧性。

    Nov, 2023