基于深度强化学习的智能住宅能源管理系统
信号处理
2020-12-30 v1 人工智能
机器学习
摘要
当今社会对电力需求的不断增长及其不可或缺的性质，呼唤能够降低能耗的智能家庭能源管理（HEM）系统。这涉及将负载从一天中能耗最高的高峰时段调度至能耗相对较低的非高峰时段，从而降低系统峰值负荷需求，进而减少电费并改善负荷需求曲线。本工作引入一种新颖方法来开发可从经验中学习、将负载从一个时刻迁移至另一时刻并实现最小化总峰值负荷目标的学习系统。本文提出一种用于需求响应的深度强化学习（DRL）模型，其中虚拟智能体像人类一样学习任务。智能体在环境中每采取一个动作都会获得反馈；这些反馈将驱动智能体了解环境，并在后续学习阶段采取更明智的步骤。我们的方法在降低负荷峰值方面优于最先进的混合整数线性规划（MILP）。作者还设计了一个智能体，以同时学习最小化消费者电费与公用事业系统峰值负荷需求。所提模型使用来自五名不同住宅消费者的负载进行分析；当可时移负载由所提方法处理时，所提方法通过大幅降低各消费者电费增加了其月度节省，同时最小化了系统峰值负荷。
引用
@article{arxiv.2005.14259,
title = {Intelligent Residential Energy Management System using Deep Reinforcement Learning},
author = {Alwyn Mathew and Abhijit Roy and Jimson Mathew},
journal= {arXiv preprint arXiv:2005.14259},
year = {2020}
}