基于MPC强化学习的智能电网峰值功率惩罚最优管理
系统与控制
2022-04-01 v2 系统与控制
摘要
配电基础设施的成本由系统中的峰值功率决定。因此，配电网络运营商考虑根据峰值需求对公共变压器后的用户进行计费，并将管理集体成本的责任留给用户。然而，这个管理问题并不简单。本文考虑一个多智能体住宅智能电网系统，其中每个智能体具有本地可再生能源生产和储能，所有智能体连接到本地变压器。目标是开发一个最优策略，最小化包括每个用户的现货市场成本和集体峰值功率成本的经济成本。我们提出使用参数化模型预测控制（MPC）方案来近似最优策略。该策略的最优性受限于其有限时域和对本地功率生产-消费的不准确预测。采用确定性策略梯度（DPG）方法来调整MPC参数并改进策略。我们的仿真表明，所提出的基于MPC的强化学习（RL）方法能够有效降低该智能电网问题的长期经济成本。
引用
@article{arxiv.2108.01459,
title = {Optimal Management of the Peak Power Penalty for Smart Grids Using MPC-based Reinforcement Learning},
author = {Wenqi Cai and Hossein N. Esfahani and Arash B. Kordabad and Sébastien Gros},
journal= {arXiv preprint arXiv:2108.01459},
year = {2022}
}
备注
This paper has been accepted to be presented at the 2021 IEEE Conference on Decision and Control (CDC), 6 pages, 6 figures