利用深度强化学习与卷积神经网络提升智能电网的互联能源
计算工程、金融与科学
2024-05-28 v2
摘要
随着电力需求的不断增长和温室气体排放的增加，必须将可再生能源源 (RES) 集成到电网中。然而，RES 的波动性带来了能源管理的新挑战。互联能源 (IoE) 框架通过实现实时监控、动态调度和优化能源路由，为解决这些问题提供了解决方案。本文提出了一种综合方法，通过深度强化学习 (DRL) 和卷积神经网络 (CNN) 优化智能电网中的能源管理。研究重点包括三个主要目标：优化运行调度、改进能源路由、增强网络安全。我们开发了基于 DRL 的调度算法以有效管理能源组件，同时设计了优化能源路由算法以确保电力高效流动。此外，本文提出了一种利用长短期记忆网络 (LSTM) 和 CNN 的安全框架，用于检测虚假数据注入 (FDI) 攻击和电力盗窃。 proposed 方法旨在提高能源效率、降低成本，并确保 IoE 启用电力系统的安全。该研究通过解决现有能源网络的动态和复杂性问题，填补了现有研究的空白。将这些先进技术集成到智能电网，承诺将在可靠性和效率方面取得显著进展。最终，这一工作促进了可持续和安全能源未来的发展。
引用
@article{arxiv.2405.13831,
title = {Enhancing Smart Grids with Internet of Energy: Deep Reinforcement Learning and Convolutional Neural Network},
author = {Ali Mohammadi Ruzbahani},
journal= {arXiv preprint arXiv:2405.13831},
year = {2024}
}