物联网驱动智能孤立微电网中基于深度强化学习的动态能量调度
机器学习
2023-07-07 v2 信号处理
机器学习
摘要
微电网（MG）是小型本地电网，可独立于更大的公用电网运行。结合物联网（IoT），智能 MG 可利用感知数据与机器学习技术实现智能能量管理。本文关注于由柴油发电机（DG）、光伏（PV）板与电池组成的物联网驱动智能孤立 MG 中基于深度强化学习（DRL）的能量调度。我们建立了一个有限时域部分可观测马尔可夫决策过程（POMDP）模型，并通过从历史数据中学习来求解，以捕捉未来电力消耗与可再生能源发电的不确定性。为处理 DRL 算法的不稳定性问题及有限时域模型的独特特性，提出了两种新颖的 DRL 算法，即有限时域深度确定性策略梯度（FH-DDPG）与有限时域循环确定性策略梯度（FH-RDPG），用于推导在完全可观测与不可完全可观测状态信息下的能量调度策略。使用真实孤立 MG 数据进行了案例研究，将所提算法性能与其他基线 DRL 及非 DRL 算法进行比较。此外，将不确定性对 MG 性能的影响解耦为两个层级并分别评估。
引用
@article{arxiv.2002.02581,
title = {Dynamic Energy Dispatch Based on Deep Reinforcement Learning in IoT-Driven Smart Isolated Microgrids},
author = {Lei Lei and Yue Tan and Glenn Dahlenburg and Wei Xiang and Kan Zheng},
journal= {arXiv preprint arXiv:2002.02581},
year = {2023}
}