典型文献
基于深度期望Q网络算法的微电网能量管理策略
文献摘要：
随着光伏发电在微电网中的渗透率不断提高,其发电出力的不确定性和时变性为微电网的经济运行带来了挑战.在构建经济调度模型时,就需要适当模拟不确定变量并相应地发展高效求解算法.在此背景下,文中提出能够有效计及不确定性因素的深度强化学习算法,以实时求解微电网的优化运行问题.首先,采用马尔可夫决策过程对微电网优化运行问题进行建模,用实时奖励函数代替目标函数和约束条件,利用其与环境互动,寻找最优策略.其次,借助贝叶斯神经网络对不确定的学习环境建模,进而在马尔可夫决策过程中有效考虑状态转移的随机过程.为此,提出双深度期望Q网络算法,通过考虑状态转移的随机性,优化一般深度Q网络算法的Q迭代规则,显著提高算法的收敛速度.最后,采用算例验证了所提模型和算法的有效性.
文献关键词：
光伏发电;不确定性建模;深度强化学习;贝叶斯神经网络;双深度期望Q网络
中图分类号：
作者姓名：
冯昌森;张瑜;文福拴;叶承晋;张有兵
作者机构：
浙江工业大学信息工程学院,浙江省杭州市 310023;浙江大学电气工程学院,浙江省杭州市 310007
文献出处：
引用格式：
[1]冯昌森;张瑜;文福拴;叶承晋;张有兵-.基于深度期望Q网络算法的微电网能量管理策略)[J].电力系统自动化,2022(03):14-22
A类：
B类：
网络算法,微电网,能量管理策略,光伏发电,渗透率,出力,时变性,经济运行,经济调度模型,不确定变量,求解算法,不确定性因素,深度强化学习算法,优化运行,运行问题,马尔可夫决策过程,电网优化,奖励函数,数代,和约,最优策略,贝叶斯神经网络,学习环境,环境建模,状态转移,随机过程,随机性,收敛速度,算例验证,和算,不确定性建模
AB值：
0.344177
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。
