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

查看全文 作　　者：[1]叶宇剑 [1]袁泉 [2]刘文雯 [1]汤奕索引Goran [3]Strbac

机构地区：[1]东南大学电气工程学院,江苏省南京市210096;[2]南京信息工程大学自动化学院,江苏省南京市210044;[3]伦敦帝国理工学院电气与电子工程系,英国伦敦SW72AZ

出　　处：《中国电机工程学报》索引2022年第42卷第21期,共13页

基　　金：国家自然科学基金项目(51877037);江苏省“双创博士”人才项目(JSSCBS20210137)。 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。 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

相关文献

参考文献（34）
引证文献（18）
耦合文献（624）

参考文献(34)

引证文献(18)

耦合文献(624)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

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

参考文献(34)

引证文献(18)

耦合文献(624)

用户提示