【标题】Renewable energy integration and microgrid energy trading using multi-agent deep reinforcement learning(基于multi-agent深度强化学习的可再生能源整合与微电网能源交易)

【作者团队】Daniel J. B. Harrold, Jun Cao, Zhong Fan,Keele University

【发表日期】5 Dec 2021

【论文链接】https://arxiv.org/pdf/2111.10898.pdf

【推荐理由】在本文中，多智能体强化学习用于控制混合储能系统，通过最大化可再生能源的价值和交易，协同工作以降低微电网的能源成本。智能体必须学会控制三种不同类型的储能系统，适合在需求波动、能源批发价格动态变化和可再生能源发电不可预测的情况下进行短期、中期和长期储能。本文考虑了两个案例研究：第一个案例研究了储能系统如何在动态定价下更好地整合可再生能源发电，第二个案例研究了这些代理如何与聚合代理一起使用，将能源出售给自利的外部微电网，以减少自身的能源账单。这项工作发现，多智能体深度确定性策略梯度的集中学习和分散执行及其最先进的变体使得多智能体方法的性能明显优于单个全局智能体的控制。研究还发现，在多智能体方法中使用单独的奖励函数比使用单个控制智能体的效果要好得多。人们发现，能够与其他微电网进行交易，而不仅仅是向公用电网出售电力，也能大大增加电网的节约。

内容中包含的图片若涉及版权问题，请及时与我们联系删除