基于改进多智能体软 actor-critic 算法的多微电网协同优化调度
系统与控制
2023-04-06 v1 机器学习
系统与控制
摘要
包含多种可再生能源的多微电网(MMG)系统的实施可实现电力交易。为解决由属于不同运营实体的多个可再生能源微电网构成的MMG系统能量管理问题，本文提出一种基于多智能体集中训练分布式执行框架的MMG协同优化调度模型。为提升应对各类不确定性的泛化能力，我们还提出一种改进的多智能体软actor-critic(MASAC)算法，其促进MMG中多智能体间的能量交易，并采用自动化机器学习(AutoML)优化MASAC超参数，以进一步提升深度强化学习(DRL)的泛化能力。测试结果表明，所提方法成功实现不同实体间功率互补，并降低MMG系统运行成本。此外，该方案以更优经济性与更高计算效率显著优于其他SOTA强化学习算法。
引用
@article{arxiv.2304.01223,
title = {Multi-Microgrid Collaborative Optimization Scheduling Using an Improved Multi-Agent Soft Actor-Critic Algorithm},
author = {Jiankai Gao and Yang Li and Bin Wang and Haibo Wu},
journal= {arXiv preprint arXiv:2304.01223},
year = {2023}
}
备注
Accepted by Energies