典型文献
基于深度强化学习的居民实时自治最优能量管理策略
文献摘要：
随着居民分布式资源的普及,如何考虑用户多类型设备的运行特性,满足实时自治能量管理需求以达到用户侧经济性最优成为亟待解决的课题.传统基于模型的最优化方法在模型精准构建和应对多重不确定性等方面存在局限性,为此提出一种无模型的基于深度强化学习的实时自治能量管理优化方法.首先,对用户设备进行分类,采用统一的三元组描述其运行特性,并确定相应的能量管理动作;接着,采用长短期记忆神经网络提取环境状态中多源时序数据的未来走势;进而,基于近端策略优化算法,赋能在多维连续-离散混合的动作空间中高效学习最优能量管理策略,在最小化用电成本的同时提升策略对不确定性的适应性;最后,通过实际情境对比现有方法的优化决策效果,验证所提方法的有效性.
文献关键词：
实时自治能量管理优化;不确定性;连续-离散混合动作;长短期记忆神经网络;深度强化学习
中图分类号：
作者姓名：
叶宇剑;王卉宇;汤奕;Goran STRBAC
作者机构：
东南大学电气工程学院,江苏省南京市 210096;伦敦帝国理工学院电气与电子工程系,伦敦 SW72AZ,英国
文献出处：
引用格式：
[1]叶宇剑;王卉宇;汤奕;Goran STRBAC-.基于深度强化学习的居民实时自治最优能量管理策略)[J].电力系统自动化,2022(01):110-119
A类：
实时自治能量管理优化
B类：
深度强化学习,能量管理策略,居民分布,分布式资源,多类型,运行特性,管理需求,用户侧,经济性最优,基于模型,最优化方法,多重不确定性,无模型,用户设备,三元组,长短期记忆神经网络,取环,时序数据,未来走势,近端策略优化算法,动作空间,高效学习,化用,用电成本,确定性的,实际情境,优化决策,决策效果
AB值：
0.329759
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。
