多智能体深度强化学习的分布式园区综合能源系统经济调度策略OA北大核心
Economic Scheduling Strategy for Integrated Energy System in Distributed Parks Based on Multi-agent Deep Reinforcement Learning
为解决综合能源系统内不同种类能源间复杂的耦合关系,以及综合能源系统内的多能互补与经济运行存在困难这一问题,本文提出一种以最优经济运行为目标的分布式园区综合能源系统优化调度架构,并采用基于数据驱动的多智能体深度Q网络对其进行求解.所提方法通过深度强化学习中的神经网络读取综合能源系统中的信息,不需要对模型内存在的复杂耦合关系进行建模,训练后的各智能体仅依赖本地园区数据即可实现对用户负荷需求的实时响应.仿真结果表明,所提方法在促进各园区内光伏消纳的同时…查看全部>>
张帆;武东昊;陈玉萍;冯文波;张有兵;张雪松
浙江华云电力工程设计咨询有限公司,杭州 310026浙江工业大学信息工程学院,杭州 310023浙江华云电力工程设计咨询有限公司,杭州 310026浙江华云电力工程设计咨询有限公司,杭州 310026浙江工业大学信息工程学院,杭州 310023国网浙江省电力有限公司电力科学研究院,杭州 310014
信息技术与安全科学
综合能源系统多智能体深度强化学习能源优化调度分布式园区
《电力系统及其自动化学报》 2022 (12)
柔性需求响应参与多微网能源供需系统的交互机制与协调调度方法研究
18-26,9
国家自然科学基金资助项目(51777193)
评论