深度强化学习电气工程复现文章

关键词：能源管理系统 多主体强化学习 需求侧响应 智能电网

编程语言：python平台

主题：可扩展的多代理强化学习用于分布式控制住宅能源灵活性

内容简介：

摘要—针对分布式住宅能源，提出了一种新的可扩展的基于多智能体强化学习的协调方法。

协作主体学习在一个部分可观测的随机环境中控制电动汽车、空间加热和柔性负载提供的灵活性。

在标准独立 Q- 学习方法中，随机环境中局部可观测智能体的协调性能随尺度的变化而下降。

在这里，从历史数据的离线凸优化学习和隔离边际贡献的奖励信号总回报的新组合增加稳定性和表现的规模。

使用固定大小的 Q 表，消费者能够评估他们对整个系统目标的边际影响，而无需彼此或与中央协调员共享个人数据。

案例研究用于评估探索资源、奖励定义和多主体学习框架的不同组合的适应性。

结果表明，由于能源进口成本、损失、配送拥塞控制、电池折旧和温室气体排放的降低，拟议的战略在个人和系统层面创造了价值。

复现论文截图：

ID:28208

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/714646270556.html