MARL-iDR：基于多智能体强化学习的激励式居民需求响应
系统与控制
2023-04-11 v1 系统与控制
摘要
本文提出一种去中心化的多智能体强化学习(MARL)方法用于基于激励的需求响应(DR)项目，旨在通过经济激励居民用户减少能耗，以维持电网容量限制并防止电网拥塞。该方法解决了协调多个参与者异质偏好与需求的关键挑战，同时保护其隐私并最小化聚合商的经济成本。参与者智能体采用一种新颖的析取约束背包问题优化，根据所选需求削减量对请求的家庭电器进行削减或转移。通过基于25户家庭用电数据的案例研究，所提方法在完全保护参与者隐私的前提下，将能耗的峰均比(PAR)较原始PAR有效降低了14.48%。该方法有潜力显著提升电网的效率与可靠性，是对可再生能源管理与日益增长电力需求管理的重要贡献。
引用
@article{arxiv.2304.04086,
title = {MARL-iDR: Multi-Agent Reinforcement Learning for Incentive-based Residential Demand Response},
author = {Jasper van Tilburg and Luciano C. Siebert and Jochen L. Cremer},
journal= {arXiv preprint arXiv:2304.04086},
year = {2023}
}
备注
8 pages, IEEE Belgrade PowerTech, 2023