基于 Rainbow 深度强化学习的数据驱动电池运行用于能源套利

随着世界寻求更高的可持续性，需要智能解决方案来提高可再生能源的渗透率。本文使用无模型深度强化学习算法 Rainbow Deep Q-Networks 来控制小型微电网中的电池以执行能源套利，并更有效地利用太阳能和风能资源。该电网基于在 Keele University 收集的数据集运行其自身需求和可再生能源发电，并使用来自真实批发能源市场的动态能源定价。测试了四种场景，包括使用本地天气数据生成的需求和价格预测。该算法及其子组件针对两个连续控制基准进行评估，Rainbow 能够优于所有其他方法。本研究显示了在复杂环境和奖励函数下使用分布式强化学习方法的重要性，以及它如何用于可视化和语境化智能体在真实世界应用中的行为。