基于相关深度 Q 学习的微电网能量管理
系统与控制
2021-03-09 v1 机器学习
系统与控制
摘要
微电网（MG）能量管理是微电网运行的重要组成部分。微电网的能量管理通常涉及多个实体，例如储能系统（ESS）、可再生能源（RER）与用户负荷，协调这些实体至关重要。考虑到机器学习技术的巨大潜力，本文提出一种基于相关深度 Q 学习（CDQN）的微电网能量管理技术。每个电力实体被建模为一个智能体，其拥有神经网络来预测自身的 Q 值，随后利用相关 Q 均衡来协调智能体间的运行。本文引入了基于长短期记忆网络（LSTM）的深度 Q 学习算法，并提出相关均衡以协调智能体。仿真结果表明，ESS 智能体与光伏（PV）智能体分别获得了 40.9% 与 9.62% 更高的收益。
引用
@article{arxiv.2103.04152,
title = {Correlated Deep Q-learning based Microgrid Energy Management},
author = {Hao Zhou and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2103.04152},
year = {2021}
}
备注
Accepted by 2020 IEEE 25th International Workshop on CAMAD, 978-1-7281-6339-0/20/$31.00 \copyright 2020 IEEE