基于MPC的强化学习在多智能体电池储能管理中的应用
系统与控制
2021-06-08 v1 系统与控制
摘要
本文提出使用基于强化学习（RL）的模型预测控制（MPC）来寻找多智能体电池储能系统的最优策略。考虑了电价的时间变化预测以及生产-需求不确定性。我们聚焦于优化经济性目标代价，同时避免可能损害电池的过低或过高荷电状态。我们考虑了主电网提供的有界功率以及各智能体功率输入与状态的约束。将参数化MPC方案用作确定性策略梯度法的函数逼近器，RL通过更新参数来优化闭环性能。仿真结果表明，所提方法能够处理约束并给出最优策略。
引用
@article{arxiv.2106.03541,
title = {Multi-agent Battery Storage Management using MPC-based Reinforcement Learning},
author = {A. Bahari Kordabad and W. Cai and S. Gros},
journal= {arXiv preprint arXiv:2106.03541},
year = {2021}
}
备注
This paper has been accepted to be presented at 2021 Conference on Control Technology and Applications (CCTA), 6 pages, 8 Figs