基于深度 Q 网络的储能管理
最优化与控制
2019-03-28 v1 机器学习
摘要
储能装置是应对波动性可再生能源发电的环保型候选方案。受私有储能系统增加的推动，本文研究了与可再生能源发电机和刚性负荷共址的储能单元的实时控制问题。与文献中许多方法不同，本文对可再生能源发电或实时电价不作任何分布假设。基于深度 Q 网络（deep Q-networks）算法，设计了一种利用神经网络的强化学习方法，其中尊重储能单元的运行约束。神经网络逼近动作值函数，该函数指示应采取何种动作（充电、放电等）。仿真表明，所提出的基于学习的储能单元控制策略可达到近最优性能。
引用
@article{arxiv.1903.11107,
title = {Energy Storage Management via Deep Q-Networks},
author = {Ahmed S. Zamzam and Bo Yang and Nicholas D. Sidiropoulos},
journal= {arXiv preprint arXiv:1903.11107},
year = {2019}
}
备注
IEEE PES-GM 2019