典型文献
基于改进竞争深度Q网络算法的微电网能量管理与优化策略
文献摘要：
可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题.文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和优化设计的神经网络结构,对分布式可再生能源的功率输出、能源交易市场的电价和电力负荷的状态等环境信息进行学习,并运用学习到的策略进行微电网能量管理与优化.仿真结果表明,基于改进竞争深度Q网络算法的微电网能量管理与优化策略的性能优于基于场景的随机规划算法、深度Q网络算法和竞争深度Q网络算法.
文献关键词：
微电网;能量管理;深度强化学习;竞争深度Q网络算法;神经网络结构;多参数动作探索机制
中图分类号：
作者姓名：
黎海涛;申保晨;杨艳红;裴玮;吕鑫;韩雨庭
作者机构：
北京工业大学信息学部,北京市 100124;中国科学院电工研究所,北京市 100190
文献出处：
引用格式：
[1]黎海涛;申保晨;杨艳红;裴玮;吕鑫;韩雨庭-.基于改进竞争深度Q网络算法的微电网能量管理与优化策略)[J].电力系统自动化,2022(07):42-49
A类：
多参数动作探索机制
B类：
网络算法,微电网,能量管理,可再生能源发电,随机波,波动性,运行控制,耦合特性,最优运行,神经网络结构,分布式可再生能源,功率输出,能源交易,交易市场,电价,电力负荷,环境信息,用学,随机规划,划算,深度强化学习
AB值：
0.294506
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。
