微电网最优控制的强化学习方法
机器学习
2025-11-19 v1 系统与控制
系统与控制
摘要
可再生能源（RESs）的日益整合正在改变传统的电网网络，这需要新的方法来管理分散的能源生产和消费。微电网（MGs）通过对能源发电、储能和配电实现局部控制，提供了一种有前景的解决方案。本文提出了一种基于强化学习（RL）的新方法来优化微电网能源管理。具体而言，我们提出了一种 RL 智能体，它通过利用有关能源生产、消费和市场价格的历史数据来学习最优的能源交易和储能策略。使用数字孪生（DT）来模拟储能系统动力学，并结合退化因素以确保对所分析场景的真实模拟。我们的方法通过使用来自位于意大利境内的电网的真实世界数据的实验活动得到了验证。结果表明，所提出的基于 RL 的策略优于基于规则的方法和现有的 RL 基准，为智能微电网管理提供了稳健的解决方案。
引用
@article{arxiv.2506.22995,
title = {A Reinforcement Learning Approach for Optimal Control in Microgrids},
author = {Davide Salaorni and Federico Bianchi and Francesco Trovò and Marcello Restelli},
journal= {arXiv preprint arXiv:2506.22995},
year = {2025}
}
备注
8 pages, accepted to International Joint Conference on Neural Networks 2025