Jul, 2024

基于近端策略优化的深度强化学习在奶牛养殖中的电池管理方法

HTML
PDF
TL;DR通过最大化利用可再生能源并应用深度强化学习算法（DRL）的近端政策优化（PPO）方法，研究提高电力效率、减少环境影响，从而提高奶牛养殖中的能源管理和可持续性。实证结果表明，相较于Q学习算法，PPO方法可以减少1.62%的电力从电网进口，显著提高了奶牛养殖中的能源效率和可持续性。
发现论文，激发创造
  • 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

  • 未来能源与碳中和的强化学习挑战设计

    本研究探讨了随着气候变化对能源生产和消费管理的需求的增加，如何利用深度增强学习算法管理未来的法国电力网络，促进使电力运输网络更好地平衡生产和消费、最小化能量损失以及尽可能地确保人员和设备安全，旨在达到2030年法国碳排放净零的目标。

    Jul, 2022

  • 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

  • 奶牛养殖中的电池管理强化学习

    本研究利用Q学习在奶牛养殖场景中学习了一种有效的电池充放电策略，结果显示与基准算法相比，该策略显著降低了电费，突出了奶牛养殖业中强化学习在电池管理方面的有效性。

    Aug, 2023

  • 运用基于代理的建模方法对爱尔兰奶牛农场的电力消耗进行建模

    提出了一种代理模型来模拟爱尔兰奶牛场的用电量消耗，并验证了其准确性，该模型考虑了奶牛场的多种因素，如养殖规模、挤奶机台数和时间等。该模型的可解释性较高，相对于其他人工智能技术（如深度学习）具有优势。

    Aug, 2023

  • 深度强化学习用于人工上涌能源管理

    利用深度强化学习算法提出一种新颖的能源管理方法，以提高人工上升流系统的效率，同时确保海藻的稳定生长和碳封存的可持续性。

    Aug, 2023

  • 深度强化学习在负荷、光伏发电和能源价格不确定性下的社区储能调度

    本文介绍了一种基于软演员-评论家算法的深度增强学习策略，以调度社区电池系统，解决分布式能源资源整合、峰值负荷调控和能源价格波动问题。通过比较不同增强学习算法，结果表明软演员-评论家算法在社区电池调度中表现最佳。

    Dec, 2023

  • 注意力卷积深度强化学习在实时电力市场中优化太阳能储能系统

    该研究探讨了太阳能电池储能系统与经济潜力开发中的备用功能，通过模型建立了一个双重马尔可夫决策过程，应用了一种新型深度强化学习算法来提高收益优化和降低能源浪费。

    Jan, 2024

  • 基于强化学习的奶牛场蓄电池管理的 Q 学习方法

    通过采用基于Q学习的算法，将可再生能源集成到奶牛养殖中，能够有效降低奶牛养殖对电网进口电力的成本，减少峰值需求，并且在利用风力发电时可获得更好的效果。

    Mar, 2024

  • 基于强化学习的奶牛农场点对点能源交易

    农场企业正在采用可再生能源来提高能源效率，减少对化石燃料和电网的依赖。为了解决农场社区的动态性所带来的挑战，开发了多代理点对点奶牛场能源模拟器（MAPDES），提供了一个实验强化学习技术的平台。模拟结果显示，与缺乏点对点能源交易或可再生能源的基准方案相比，MAPDES实现了显著的成本节约，包括电费减少43%、峰值需求减少42%和能源销售增加1.91%。

    May, 2024