基于改进联邦竞争深度Q网络的多微网能量管理策略 |
| |
作者姓名: | 黎海涛 刘伊然 杨艳红 肖浩 谢冬雪 裴玮 |
| |
作者单位: | 1. 北京工业大学信息学部;2. 中国科学院电工研究所 |
| |
基金项目: | 国家自然科学基金资助项目(52277131);;中国科学院青年创新促进会资助项目(2021136)~~; |
| |
摘 要: | 目前,基于联邦深度强化学习的微网(MG)能量管理研究未考虑多类型能量转换与MG间电量交易的问题,同时,频繁交互模型参数导致通信时延较大。基于此,以一种包含风、光、电、气等多类型能源的MG为研究对象,构建了支持MG间电量交易和MG内能量转换的能量管理模型,提出基于正余弦算法的联邦竞争深度Q网络学习算法,并基于该算法设计了计及能量交易与转换的多MG能量管理与优化策略。仿真结果表明,所提能量管理策略在保护数据隐私的前提下,能够得到更高奖励且最大化MG经济收益,同时降低了通信时延。
|
关 键 词: | 微网(MG) 联邦学习 竞争深度Q网络 正余弦算法 能量管理 |
|