典型文献
基于参数共享机制多智能体深度强化学习的社区能量管理协同优化
文献摘要：
智能电网背景下社区和端对端电能交易有助于挖掘利用产消者分布式能源的灵活性并最大化其价值.尽管多智能体深度强化学习提供了合适的无模型框架以实现多个产消者间能量管理策略的协同优化,该方法仍存在环境状态不稳定、产消者隐私保护和计算复杂度高等局限.该文提出一种将参数共享与优先深度确定性策略梯度法相结合的多智能体强化学习方法,通过智能体间的策略与经验共享以提升学习效率,并降低训练难度.接着构建端对端交易平台以协同社区市场内产消者的电能交易;执行奖励修正以避免产生新的负荷/发电高峰,从而保护本地配网的安全运行;作为可信任第三方向产消者提供有关社区市场的全局信息,在保护产消者隐私的同时减轻环境不稳定性,并提升算法的可扩展性.最后,通过算例验证所提方法能够有效降低社区总运行成本,保证产消者的利益,且较现有算法提高了训练速率与可扩展性.
文献关键词：
产消者;端对端电能交易;能量管理协同;多智能体深度强化学习
中图分类号：
作者姓名：
叶宇剑;袁泉;刘文雯;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;南京信息工程大学自动化学院,江苏省南京市 210044;伦敦帝国理工学院电气与电子工程系,英国伦敦 SW72AZ
文献出处：
引用格式：
[1]叶宇剑;袁泉;刘文雯;汤奕;Goran Strbac-.基于参数共享机制多智能体深度强化学习的社区能量管理协同优化)[J].中国电机工程学报,2022(21):7682-7694,中插2
A类：
能量管理协同,深度确定性策略梯度法
B类：
参数共享,共享机制,多智能体深度强化学习,协同优化,智能电网,端对端电能交易,挖掘利用,产消者,分布式能源,无模型,模型框架,能量管理策略,存在环境,隐私保护,计算复杂度,多智能体强化学习,强化学习方法,提升学习,学习效率,交易平台,区市,场内,配网,可信任,全局信息,护产,轻环,可扩展性,算例验证,运行成本
AB值：
0.248534
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。
