基于多智能体随机博弈与强化学习的含共享储能多微网系统协同优化
系统与控制
2023-07-03 v1 机器学习
系统与控制
摘要
实现多微网（MMG）系统的经济稳定运行至关重要。然而，仍有一些挑战性问题有待解决。首先，从稳定运行角度看，须最小化主电网的能量波动。其次，需要考虑能量转换设备的特性。最后，在降低 MMG 系统运行成本的同时保护隐私至关重要。为应对这些挑战，提出了一种带共享储能（SES）的 MMG 系统数据驱动策略。应用混合注意力（Mixed-Attention）来拟合设备工况，此外，提出多智能体软演员-评论家（MA-SAC）与多智能体赢或快速学习策略爬山（MA-WoLF-PHC）以解决部分可观测动态随机博弈问题。通过测试中国西北 MMG 系统的运行数据，得出如下结论：结果的 R 平方（R2）值达 0.999，表明神经网络有效建模了非线性工况。所提 MMG 系统框架可在 24 小时内将主电网能量波动降低 1746.5kW，并在测试中实现 16.21% 的成本削减。最后，所提算法凭借其快速收敛速度与优异优化性能验证了优越性。
引用
@article{arxiv.2306.10754,
title = {Collaborative Optimization of Multi-microgrids System with Shared Energy Storage Based on Multi-agent Stochastic Game and Reinforcement Learning},
author = {Yijian Wang and Yang Cui and Yang Li and Yang Xu},
journal= {arXiv preprint arXiv:2306.10754},
year = {2023}
}
备注
Accepted by Energy