基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究

• 作者: 刘艾冬 张虹 王鹤 申鑫 穆昊源
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 异步优势演员–评判家 需求响应 概率分布 在线优化 多智能体 多动作决策
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能电网
• 页码范围: 117-127
• 页数: 11页
• 分类号: TM71
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.182498

摘要

为促进居民用户柔性负荷高效参与需求响应,帮助用户从被动角色转变为主动角色,实现需求侧最大效益.该文在智能电网环境下,根据用电设备的特性,以概率论的角度对家电设备状态进行描述定义,基于异步深度强化学习(asynchronous deep reinforcement learning,ADRL)进行家庭能源管理系统调度的在线优化.学习过程采用异步优势演员–评判家(asynchronous advantage actor-critic,A3C)方法,联合用户历史用电设备运行状态的概率分布,通过多智能体利用CPU多线程功能同时执行多个动作的决策.该方法在包括光伏发电、电动汽车和居民住宅电器设备信息的某高维数据库上进行仿真验证.最后通过不同住宅情境下的优化决策效果对比分析可知,所提在线能耗调度策略可用于向电力用户提供实时反馈,以实现用户用电经济性目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹤		42	436	11.0	20.0
2	张虹		40	76	5.0	6.0
3	申鑫		2	0	0.0	0.0
4	穆昊源		1	0	0.0	0.0
5	刘艾冬		2	0	0.0	0.0