.png){kind=icon}
返回
Energy Optimization for Microgrids Based on Uncertainty-Aware Deep Deterministic Policy Gradient
.png){kind=icon}
OA
AI
DOI：10.3390/pr13041047.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可再生能源来源（如风能和太阳能）的随机性、波动性和间歇性给微电网的能量管理带来了显著挑战，导致管理效率低下且准确性差。本文提出了一种基于不确定性感知深度确定性策略梯度（DDPG）算法的微电网能量优化方法。首先，考虑可再生能源输出的不确定性，基于信息间隙决策理论（IGDT）构建了一个不确定性感知模型。其次，采用DDPG算法优化能量调度策略，并引入双向反馈协同优化框架。不确定性半径用于正向反馈调整DDPG模型的优化步长，而IGDT模型的风险规避系数则通过反向反馈根据DDPG优化结果进行调整。该方法能够在动态和复杂环境中实现自适应调节。研究表明，所提出的算法显著增强了微电网在不定环境中的鲁棒性、收敛性和适应性，提高了削峰填谷性能以及对可再生能源波动性的适应性。该方法应用于微电网能量管理时，在鲁棒性、收敛速度和适应性方面均表现出显著改进。数值结果表明，与基线算法相比，微电网总收入提高了5.44%和70.26%，凸显了不确定性感知DDPG算法在动态和不确定环境中的有效性。
Keyword:
microgrid
energy optimization
uncertainty awareness
DDPG
bidirectional feedback
期刊
IF:
2.8
论文数:
7.3K
被引数:
3.7W
机构
引用论文
.png){kind=icon}
分享收藏Steady-state Security Region-based Chance-constrained Optimization for Integrated Energy Systems基于稳态安全区域机会约束的集成能源系统优化
PREAI
分享收藏
Robust Design Optimization Approach by Combination of Sensitivity Analysis and Sigma Level Estimation通过结合敏感性分析和西格玛水平估计的鲁棒设计优化方法
PREAI
分享收藏Distributed Deep Deterministic Policy Gradient Agents for Real-Time Energy Management of DC Microgrid分布式深度确定性策略梯度代理在直流微电网的实时能量管理中的应用
PREAI
分享收藏A Generalized Dynamic Nonsmooth Control Design for DC Microgrids based on Deep Reinforcement Learning基于深度强化学习的一种通用动态非光滑控制设计用于直流微电网
PREAI
分享收藏
查看更多内容