基于深度强化学习的家庭能量管理分层优化策略
为实现需求侧最大效益,提出一种能够应对复杂环境的基于深度强化学习(DRL)的分层能量调度方法.首先,构建家庭能量管理系统(HEMS)双层框架,通过改变第2层储能系统的充放电功率解决第1层因满足用户用电需求和减少电费所造成负荷集中至低电价时段导致的功率越限,而后根据各用电设备的负荷特性对其进行分类和建模.其次,采用马尔可夫决策过程(MDP)对能量管理问题进行建模,利用奖励函数代替目标函数和约束条件.然后,引入Rainbow算法优化策略以最大化长期收益,实现经济且高效的在线调度.最后,对一个包括光伏板、储能系统、各种用电设备以及电动汽车的家庭进行仿真,验证了所提方法在应对不确定性问题上的有效性和优越性.
家庭能量管理系统;需求响应;分层能量调度;马尔可夫决策过程;深度强化学习;Rainbow算法
45
国家电网公司科技项目SGJSSZ00KJJS2000636
2021-11-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
149-158