用于发电机组联合投标与检修调度的安全多智能体深度强化学习
系统与控制
2021-12-21 v1 人工智能
机器学习
系统与控制
摘要
本文提出一种安全强化学习算法，用于竞争电力市场环境下的发电投标决策与机组检修调度。在该问题中，每台机组旨在寻找一种投标策略，使其在通过安排预防性检修保持可靠性的同时最大化自身收益。检修调度提供了一些应始终满足的安全约束。在发电机组彼此投标策略信息不完全的情况下满足关键安全与可靠性约束是一个具有挑战性的问题。双层优化与强化学习是解决此类问题的最先进方法。然而，无论是双层优化还是强化学习，都无法应对信息不完全与关键安全约束的挑战。为应对这些挑战，我们提出了安全深度确定性策略梯度强化学习算法，其基于强化学习与预测安全滤波器的结合。案例研究表明，所提方法在同时满足系统安全约束的同时，相比其他最先进方法可获得更高利润。
引用
@article{arxiv.2112.10459,
title = {Safe multi-agent deep reinforcement learning for joint bidding and maintenance scheduling of generation units},
author = {Pegah Rokhforoz and Olga Fink},
journal= {arXiv preprint arXiv:2112.10459},
year = {2021}
}