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

PDF
TL;DR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。
multi-microgridrenewable energycollaborative optimization schedulingmulti-agent soft actor-criticdeep reinforcement learning
发现论文，激发创造
  • 基于多智能体随机博弈和强化学习的共享能量存储多微电网系统协同优化

    提出了一种采用共享储能的数据驱动的多微网系统策略，通过应用混合注意力方法、多智能体软 Actor-Critic 和多智能体 Win or Learn 快速政策 Hill-Climbing 对局部可观察的动态随机博弈问题进行求解，实验结果表明该方案能有效地降低主电网能量波动并减少成本。

    Jun, 2023

  • 微电网能量管理的多目标强化学习框架

    本文提出了一种新颖的多目标强化学习框架，可以探索高维的目标空间并发现冲突目标之间的权衡，该框架利用强化学习的数据驱动特性，可在不需要长期预测或对根本不确定性的了解的情况下进行参数化政策的训练，用于 Cornell 大学微电网（CU-MG）的实验结果证明了该框架的效果。

    Jul, 2023

  • 基于多智能体深度 Actor-Critic 学习的智能电网需求侧调度

    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。

    May, 2020

  • 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

  • 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

  • 深度强化学习驱动的跨社区能源互动最佳调度

    该研究提出了一种综合调度模型，利用多智能体深度强化学习算法学习不同社区的负载特征，并基于这些知识做出决策，以在不确定条件下协调各社区之间的能源交互和多能源子系统之间的能量转换，实现综合能源系统的整体优化和调度。模拟结果表明，该方法有效捕捉到不同社区的负载特征，并利用它们的互补特性，在它们之间协调合理的能源交互，从而将风电弃能率从 16.3% 降低到 0%，并降低了 5445.6 元的总运营成本，具有显著的经济和环境效益。

    Aug, 2023

  • 微电网多目标优化调度的比较研究

    本研究通过多目标优化模型探讨微电网的运营和环境成本之间的关系，通过集成遗传算法、模拟退火、蚁群优化和粒子群优化等多种优化算法，提出了一种整合方法进行微电网优化。模拟结果揭示了经济和环境分派下，这些算法提供了不同的调度结果，揭示了柴油发电机和微型燃气涡轮在微电网中的不同作用。总体而言，本研究为微电网设计和运营提供了深入的见解和实际指导。

    Oct, 2023

  • 基于多智能体强化学习的地理分布数据中心可持续负载调度

    本研究提出一种基于多智能体强化学习和演员 - 评论家方法的算法，通过与真实工作负载模式、能源价格和碳强度相互作用的云系统学习最优的协同调度策略，从而最大化 GPU 利用率、降低运营成本和减少碳排放。与其他算法相比，我们的方法提高了系统效用，最高可达 28.6％。

    Apr, 2023

  • 基于深度强化学习的微电网联合能量调度和机组启停

    应用深度强化学习算法 (HAFH-DDPG)，在离网微电网中实现联合能量调度和机组启停决策来减少总发电成本，并支持简化后的行动空间。

    Jun, 2022

  • 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