Dec, 2022

MERLIN：基于智能电表和 CityLearn 的，面向居民的交互式电网社区的多智能体离线和迁移学习的能源灵活运营

PDF
TL;DR针对建筑碳减排面临的新挑战，利用 MERLIN 框架和执行家庭需求响应的高级控制架构，通过强化学习控制方法，使得独立 RL - 控制器为电池提供灵活性参与电网需求响应，提高建筑和电网的关键绩效指标并降低培训成本。
decarbonizationrenewable energydemand responsereinforcement learninggrid-interactive efficient buildings
发现论文，激发创造
  • GridLearn：用于格网感知建筑能源管理的多智能体强化学习

    本研究表明，多智能体强化学习可用于通过智能逆变器和智能建筑能源管理系统控制建筑内资源，实现电网水平目标，并保护建筑物业主的隐私和舒适度。作为案例研究，我们考虑使用可控建筑负载、储能和智能逆变器在 IEEE-33 总线网络上进行电压调节。结果表明，强化学习代理通常通过 34％降低欠电压和过电压的发生率。

    Oct, 2021

  • CityLearn v2：面向能源灵活、韧性、以居民为中心和低碳的电网互动社区管理

    通过扩展 CityLearn v1 并利用美国建筑库数据集中的终端使用负荷剖面，CityLearn v2 提供了一个模拟环境，用于创建具有弹性的多主体分布式能源系统和具有动态住户反馈的客观控制的虚拟网格互动社区。本研究详细介绍了 v2 环境设计，并提供了应用示例，利用强化学习来管理电池储能系统的充放电周期、车辆与电网的控制以及热泵功率调制期间的热舒适度。

    May, 2024

  • 一个家庭群集的强化学习能源协调在真实世界中的实施

    通过观测室内数据，我们展示了一种实施简便且易于扩展的强化学习方法，该方法在一个真实世界的场景中验证了基于层次控制系统的协调策略的可行性，并展示了满意的电能追踪效果。

    Oct, 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

  • 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

  • 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

  • 一种高效的分布式多智能体强化学习用于电动车充电网络控制

    采用一种去中心化的多智能体强化学习充电框架来管理电动汽车的充电，以降低网络成本、减少用电峰值与平均值之比，减少变压器过载风险。

    Aug, 2023

  • 分布式能源资源的分散协调通过本地能源市场和深度强化学习

    该研究通过训练一组深度强化学习智能体来自动化参与 ALEX 社区能源市场，揭示了账单减少与减少净负荷变动之间的明确关联。在使用开源数据集评估净负荷变动的影响时，代理与多个基准进行了比较，显示出有前景的性能水平，接近近似最优动态规划基准。

    Apr, 2024

  • 多市场可再生能源优化及强化学习

    该研究介绍了一种深度强化学习框架，用于优化可再生能源和储能发电厂的操作，以最大化能源市场收益，同时最小化储能损耗成本和可再生资源废弃。

    Jun, 2023

  • 能源系统高效设计与控制的强化学习

    通过引入一个新的强化学习框架来解决可再生能源系统中设计和控制的协同优化问题，可以提高可再生能源的整合和系统效率，推动能源管理领域的强化学习应用，实现可再生能源的更高效和更有效利用。

    Jun, 2024