首页 | 本学科首页   官方微博 | 高级检索  
     

基于强化学习算法的水库优化调度研究
引用本文:胡鹤轩,尹苏明,胡强,张晔,胡震云,义崇政.基于强化学习算法的水库优化调度研究[J].水电能源科学,2022(1):73-77.
作者姓名:胡鹤轩  尹苏明  胡强  张晔  胡震云  义崇政
作者单位:河海大学计算机与信息学院;河海大学商学院;西藏农牧学院电气工程学院;长江勘测规划设计研究有限责任公司;长江空间位总技术工程有限公司(武汉);湖北省水利信息感知与大数据工程技术研究中心
基金项目:国家重点研发计划(2018YFC0407904);西藏自治区创新创业重点研究项目(Z2016D01G01/01)。
摘    要:为解决复杂现实环境下的水库优化调度问题,采用强化学习的Q-learning算法,以哈希表作为核心数据结构,在逐幕生成水库可行调度方案的同时,单时段优化Q值,最终依据各时段的最优Q值生成水库最优调度方案.试验分析结果表明,当迭代次数达到一定数量时,Q-learning算法能够达到理论上的最优解;依据水库调度历史数据建立最...

关 键 词:水库优化调度  约束型强化学习  Q-learning  哈希表

Reservoir Optimal Operation Method Based on Reinforcement Learning
HU He-xuan,YIN Su-ming,HU Qiang,ZHANG Ye,HU Zhen-yun,YI Chong-zheng.Reservoir Optimal Operation Method Based on Reinforcement Learning[J].International Journal Hydroelectric Energy,2022(1):73-77.
Authors:HU He-xuan  YIN Su-ming  HU Qiang  ZHANG Ye  HU Zhen-yun  YI Chong-zheng
Affiliation:(College of Computer and Information,Hohai University,Nanjing 210098,China;Business School,Hohai University,Nanjing 210098,China;School of Electrical Engineering,Tibet Agriculture Animal Huvsbandry College,Nyingchi 860000,China;Changjiang Survey,Planning,Design and Research Co.,Ltd.,Wuhan 430010,China;Changjiang Spatial Information Technology Engineering Co.,Ltd.,Wuhan 430010,China;Water Resources Information Perception and Big Data Engineering Research Center of Hubei Province,Wuhan 430010,China)
Abstract:
Keywords:reservoir optimal operation  constrained reinforcement learning  Q-learning  hash table
本文献已被 维普 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号