基于近端策略优化的智能家庭太阳能管理
机器学习
2024-05-10 v2 人工智能
摘要
在智能电网中，拥有可再生能源和储能单元的 prosumer 可以将未使用的电量出售给电网。在动态电力市场下最大化利润是一个需要智能规划的问题。为此，我们提出了一个基于近端策略优化 (PPO) 使用循环奖励的框架。通过有效建模 PPO 的奖励信息来最大化我们的目标，我们能够比其他天真算法在累积总利润方面获得超过 30% 的改进。这表明强化学习算法在类似金融市场等复杂领域规划其动作具有潜力。我们还引入了一种基于孤立波嵌入长期的方法，该方法在我们使用随机浮点数据增强的用例中优于正常嵌入。
引用
@article{arxiv.2404.03888,
title = {A proximal policy optimization based intelligent home solar management},
author = {Kode Creer and Imitiaz Parvez},
journal= {arXiv preprint arXiv:2404.03888},
year = {2024}
}
备注
This manuscript has been accepted for IEEE EIT Conference