典型文献
基于深度强化学习的分布式能源系统运行优化
文献摘要：
分布式能源系统凭借其高效、环保、经济、可靠、和灵活等特点成为中国能源未来发展的重要方向.目前中国的很多分布式能源系统经济效益较差,主要原因是能源系统没有良好的运行策略.提出了一种基于深度强化学习的分布式能源系统运行优化方法.首先,对分布式能源系统的各个设备进行数学建模;其次,深入阐述了强化学习的基本原理、深度学习对强化学习的结合原理及一种基于演员评论家算法的分布式近端策略优化(distributed proximal policy optimization,DPPO)算法流程,将分布式能源系统运行优化问题转化为马尔可夫决策过程(Markov decision process,MDP);最后,采用历史的数据对智能体进行训练,训练完成的模型可以实现对分布式能源系统的实时优化,并对比了深度Q网络(deep Q network,DQN)算法和LINGO获得的调度策略.结果表明,基于DPPO算法的能源系统调度优化方法较DQN算法和LINGO得到的结果运行费用分别降低了7.12％和2.27％,可以实现能源系统的经济性调度.
文献关键词：
深度强化学习;分布式近端策略优化;分布式能源系统;运行优化
中图分类号：
作者姓名：
阮应君;侯泽群;钱凡悦;孟华
作者机构：
同济大学机械与能源工程学院,上海201804
文献出处：
引用格式：
[1]阮应君;侯泽群;钱凡悦;孟华-.基于深度强化学习的分布式能源系统运行优化)[J].科学技术与工程,2022(17):7021-7030
A类：
分布式近端策略,分布式近端策略优化
B类：
深度强化学习,分布式能源系统,运行优化,国能,运行策略,数学建模,演员,评论家,distributed,proximal,policy,optimization,DPPO,优化问题,问题转化,马尔可夫决策过程,Markov,decision,process,MDP,智能体,实时优化,deep,network,DQN,LINGO,调度策略,系统调度,调度优化,运行费用
AB值：
0.248992
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
