基于深度强化学习的氢基建筑多能系统优化运行
系统与控制
2021-09-23 v1 系统与控制
摘要
由于氢具有诸多优势（如零污染、来源广泛、储运便利），氢基多能系统（HMESs）已受到广泛关注。然而，现有关于 HMESs 优化运行的工作忽视了建筑热动态，这意味着建筑热负荷的灵活性无法被用于降低系统运行成本。本文研究考虑建筑热动态的 HMES 优化运行问题。具体而言，我们首先建立与 HMES 相关的期望运行成本最小化问题。由于存在不确定参数、不显式的建筑热动态模型、与三类储能系统及室内温度相关的时序耦合运行约束，以及电能子系统与热能子系统之间的耦合，所建立的问题难以求解。为克服该挑战，我们将问题重构为马尔可夫博弈，并基于多智能体带规则离散 actor-critic（MADACR）提出一种能量管理算法来求解。需注意，所提算法不需要任何不确定参数先验知识、参数预测及显式建筑热动态模型。基于真实轨迹的仿真结果表明了所提算法的有效性。
引用
@article{arxiv.2109.10754,
title = {Optimal Operation of a Hydrogen-based Building Multi-Energy System Based on Deep Reinforcement Learning},
author = {Liang Yu and Shuqi Qin and Zhanbo Xu and Xiaohong Guan and Chao Shen and Dong Yue},
journal= {arXiv preprint arXiv:2109.10754},
year = {2021}
}
备注
13 pages, 15 figures