基于学习的不完全信息下网络微电网的能量管理
摘要：网络微电网在电力配电系统中具有重要的作用，因此对其能源管理进行优化是很有必要的。然而，在实践中，合作智能体往往对微电网内的设备行为和详细模型了解有限，这导致传统的优化方法无法有效解决受约束的能源管理问题。为了应对这一挑战，本文提出了一种基于价格的双层强化学习框架，其中协作智能体利用函数逼近来预测受限于微电网参数模型不完整信息的实体行为，而每个微电网则根据价格信号提供满足功率约束的最佳响应。该函数逼近方案进一步被应用于自适应强化学习框架中，以在系统负荷和太阳能发电变化时优化价格信号。数值实验表明，与文献中的先前研究相比，所提出的隐私保护学习模型具有更好的适应性和增强的计算速度。
作者：Qianzhi Zhang and Kaveh Dehghanpour and Zhaoyu Wang and Qiuhua Huang
论文ID：1810.01758
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-08-09