数据驱动学习与负荷集群控制
系统与控制
2020-04-22 v1 机器学习
系统与控制
摘要
需求响应(DR)项目旨在吸引分布式小规模柔性负荷，例如恒温可控负荷，以提供各种电网支持服务。线性可解马尔可夫决策过程(LS-MDP)作为传统 MDP 的一种变体，被用于对聚合的 TCL 进行建模。然后，应用一种称为 Z-learning 的无模型强化学习技术来学习价值函数，并为 DR 聚合商推导控制 TCL 的最优策略。该学习过程对由估计聚合 TCL 的被动动态所引起的不确定性具有鲁棒性。通过在住宅楼的测试台社区中对供暖、制冷与通风(HVAC)机组进行仿真，证明了这种数据驱动学习的有效性。
引用
@article{arxiv.2004.09675,
title = {Data-Driven Learning and Load Ensemble Control},
author = {Ali Hassan and Deepjyoti Deka and Michael Chertkov and Yury Dvorkin},
journal= {arXiv preprint arXiv:2004.09675},
year = {2020}
}