日内电力市场中产消者管理的机器学习方法
机器学习
2022-03-14 v1 人工智能
系统与控制
系统与控制
摘要
产消者运营商在参与短期电力市场时面临诸多挑战，同时需考虑不确定性。这些挑战包括需求、太阳能、风能和电价的变化，以及日内电力市场中更快的响应时间。机器学习方法因其能够持续学习复杂关系并提供实时响应，可解决这些挑战。此类方法在高性能计算和大数据存在的情况下是适用的。为应对这些挑战，我们提出一个马尔可夫决策过程，并采用表格 Q-learning 的强化学习算法，配合适当的观测与动作进行求解。训练后的智能体收敛于一个与全局最优解相似的政策。与著名的随机优化方法相比，它将产消者的利润提高了 13.39%。
引用
@article{arxiv.2203.06053,
title = {A Machine Learning Approach for Prosumer Management in Intraday Electricity Markets},
author = {Saeed Mohammadi and Mohammad Reza Hesamzadeh},
journal= {arXiv preprint arXiv:2203.06053},
year = {2022}
}
备注
5 pages, 6 figures