Apr, 2023

应用强化学习优化地铁系统在不确定扰动下的能源效率

PDF
TL;DR在城市交通领域，地铁系统是重要和可持续的公共交通方式。该研究利用基于策略的强化学习方法，通过调整列车停站时间和巡航速度等方式，优化地铁系统的能效，以应对干扰问题，实验结果表明该方法与基准方法相比性能更佳，最高可实现牵引能耗降低达 10.9％、再生制动能量利用率提高 47.9％，提供了一种有效的城市铁路交通节能解决方案。
metro systemssustainabilityenergy efficiencyreinforcement learningurban rail transit
发现论文，激发创造
  • 动态模拟与强化学习实现的铁路运行调度系统

    本研究针对火车服务中断频繁发生的问题，设计了一个基于强化学习和动态模拟的自动化火车调度系统，系统能够快速生成优化的火车交通时间表，测试结果表明该系统能在数分钟内生成整个线路的优化时间表。

    Jan, 2022

  • 使用移动数据的实时需求响应铁路重调度的深度强化学习方法以缓解车站拥挤问题

    通过推断来自移动数据（MD）的现实乘客移动性以促进行时重新调整列车时刻表、路线站点和滚动库存分配的深度强化学习（DRL）框架

    Aug, 2023

  • 基于规划的强化学习实现可再生能源电力系统的实时调度

    该研究利用最新的强化学习算法和真实的电力网络环境，提出了一种系统的解决方案来解决传统能源调度面临的问题，并为电力系统提供了一个可持续的低碳未来。

    Mar, 2023

  • 应用强化学习优化交通信号灯周期

    本文提出了使用强化学习来实时优化交通灯周期的方法，并通过使用 Simulation Urban Mobility 模拟器进行深度 Q 网络算法的训练进行了案例研究。实验结果显示，平均紧急停车数量减少了 44.16％，显示了我们的方法减少交通拥堵和改善交通流的潜力。此外，我们讨论了未来研究和强化学习模型的改进方向。

    Feb, 2024

  • 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

  • 利用设备基于强化学习的最优需求响应

    本文提出了一种新型的供需响应问题的全自动能源管理系统的调度问题的强化学习方法，并以 Q 学习算法为例，通过对代表性例子的模拟结果进行了演示。

    Jan, 2014

  • 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

  • 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

  • 使用深度强化学习学习公共交通网络设计和改进的启发式方法

    利用深度强化学习和图神经网络学习低级启发式算法可有效优化公共交通网络设计，在合成和现实城市场景中均取得最佳结果并降低成本。

    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