融合图神经网络模型与强化学习的综合能源系统优化调度OACSCDCSTPCD
Optimal scheduling of integrated energy systems by fusing a graph neural network model and reinforcement learning
随着人工智能技术特别是强化学习在能源优化调度领域的深入研究,将系统状态表示为向量用于学习的模式,其训练效率与信息利用率较低.针对这一问题,提出了一种融合图神经网络模型与强化学习的综合能源系统优化调度方法.首先,将电-热-气综合能源系统建模为图结构数据,充分利用系统的拓扑信息.其次,提出了基于图神经网络架构的强化学习模型,使其可以充分利用图结构信息实现更快的训练速度,获得更大的探索空间.最后,将表示系统状态的图结构信息送入该模型进行训练,算例仿真验…查看全部>>
In in-depth research on artificial intelligence technology,especially reinforcement learning in the field of energy optimization scheduling,the training efficiency and information utilization rate of the system state expressed as a vector for the learning mode,is low.In response to this problem,this paper proposes an integrated energy system optimization scheduling method that integrates the graph neural network model and reinforcement learning.First,the ele…查看全部>>
王新;张良;任晓龙;曾逸舟;司恒斌;陈曦;杨乐;张志宏
国网陕西省电力公司信息通信公司,陕西 西安 710065厦门大学,福建 厦门 361005国网陕西省电力公司信息通信公司,陕西 西安 710065厦门大学,福建 厦门 361005国网陕西省电力公司信息通信公司,陕西 西安 710065国网陕西省电力公司信息通信公司,陕西 西安 710065国网陕西省电力公司信息通信公司,陕西 西安 710065厦门大学,福建 厦门 361005
电-热-气综合能源系统优化调度深度强化学习图神经网络模型
electricity-heat-gas integrated energy systemoptimal schedulingdeep reinforcement learninggraph neural network model
《电力系统保护与控制》 2023 (24)
102-110,9
This work is supported by the National Natural Science Foundation of China(No.62176227 and No.U2066213). 国家自然科学基金项目资助(62176227,U2066213)中央高校基本科研业务费项目资助(20720210047)国家电网陕西省电力公司科技项目资助(SGSNXT00GCJS2200106)
评论