北京工业大学、中国科学院等学校合作SCI新成果:基于改进联合决斗深度Q网络的多微电网能量管理策略
论论资讯 | 2024-04-29 |
64热度
Dianli Xitong Zidonghua/Automation of Electric Power Systems
Explore content
About the journal
Publish with us
Energy Management Strategy for Multi-microgrid Based on Improved Federated Dueling Deep Q Network
Li H.; Liu Y.; Yang Y.; Xiao H.; Xie D.; Pei W.
Published:2024-04-25
DOI:10.7500/aeps20230521001
研究背景
近年来,随着社会的发展和能源需求的增长,微电网(MG)作为一种新型的能源供应方式备受关注。然而,目前基于联邦深度强化学习的微电网能源管理研究并未考虑多种能源转换和微电网之间的电力交易问题,而模型参数频繁交互导致通信延迟较大。
研究内容
这项研究聚焦于包括风能、太阳能、电力和天然气在内的多种能源的微电网能源管理。研究构建了一种允许微电网之间进行电力交易和内部能源转换的能源管理模型。提出了一种基于正弦余弦算法(SCA)的联邦对决深度 Q 网络(Dueling DQN)学习算法,设计了一种考虑能源转换和交易的多微电网能源管理与优化策略。模拟结果表明,所提出的能源管理策略能够实现更高的奖励,最大化微电网的经济效益,同时保护数据隐私并减少通信延迟。
研究意义
这项研究的创新之处在于提出了一种新的能源管理策略,可以有效解决微电网能源管理中存在的问题,实现更高的经济效益。通过引入联邦对决深度 Q 网络学习算法,不仅提高了微电网的能源利用效率,还保护了数据隐私,降低了通信延迟,具有重要的研究和应用意义。
希望这篇文章能够帮助你更好地了解这项有关多微电网的能源管理研究!
学术热榜
查看全部
相关资讯
换一批