典型文献
基于纵向联邦强化学习的居民社区综合能源系统协同训练与优化管理方法
文献摘要：
电、热、气等能源系统的实时管理能力关系到居民社区用能需求能否得到充分满足.该文首先基于深度Q网络(deep Q-learning network,DQN)强化学习算法建立了一种综合考虑居民社区实时负荷大小、能源销售与采购价格的能源系统优化管理模型.其次,该文面向不同能源系统之间的数据壁垒现象,提出一种基于纵向联邦学习技术的居民社区综合能源系统协同训练方法.该方法能够在3种能源系统DQN优化管理模型的训练过程中,通过交互DQN优化管理模型的网络梯度等参数信息来提升模型的训练速度.最后,算例分析验证该文所构建DQN优化管理模型的有效性,同时验证所提出居民社区综合能源系统协同训练方法能够优化各能源系统的经济效益及模型训练效率.
文献关键词：
联邦学习;能源管理;DQN;数据安全;同态加密;经济效益
中图分类号：
作者姓名：
陈明昊;孙毅;胡亚杰;刘春蕾;庞鹏飞;谢志远
作者机构：
华北电力大学电气与电子工程学院,北京市 昌平区 102206;国网河北省电力有限公司保定供电分公司,河北省 保定市 071000;华北电力大学(保定)电气与电子工程学院,河北省 保定市 071000
文献出处：
引用格式：
[1]陈明昊;孙毅;胡亚杰;刘春蕾;庞鹏飞;谢志远-.基于纵向联邦强化学习的居民社区综合能源系统协同训练与优化管理方法)[J].中国电机工程学报,2022(15):5535-5549,中插13
A类：
B类：
居民社区,综合能源系统,系统协同,协同训练,优化管理,deep,learning,network,DQN,强化学习算法,能源销售,售与,采购价格,系统优化,管理模型,数据壁垒,纵向联邦学习,学习技术,训练方法,训练过程,参数信息,训练速度,算例分析,分析验证,模型训练,训练效率,能源管理,同态加密
AB值：
0.301789
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。
