基于物理信息神经网络辅助的智能电网能源管理优化
机器学习
2025-10-21 v1 人工智能
摘要
在智能电网情景下优化能源管理 presents significant挑战,主要由于实际系统的复杂性以及各种组件之间的复杂相互作用。强化学习 (RL) 正变得越来越流行,作为解决智能电网最优潮流问题的解决方案。然而,RL 需要在给定环境中反复迭代以获得最优策略。这意味着需要从一个, most likely,昂贵的模拟器获取样本,这可能导致样本效率问题。本文通过用基于物理信息神经网络 (PINN) 构建的替代模型取代昂贵的智能电网模拟器,来解决这个问题,通过优化 RL 策略训练过程,在原有环境所需时间的仅为分数,即可获得收敛结果。
引用
@article{arxiv.2510.17380,
title = {Optimizing Energy Management of Smart Grid using Reinforcement Learning aided by Surrogate models built using Physics-informed Neural Networks},
author = {Julen Cestero and Carmine Delle Femine and Kenji S. Muro and Marco Quartulli and Marcello Restelli},
journal= {arXiv preprint arXiv:2510.17380},
year = {2025}
}