【标题】Multistep Multiagent Reinforcement Learning for Optimal Energy Schedule Strategy of Charging Stations in Smart Grid

【作者团队】Yang Zhang,Qingyu Yang,Dou An,Donghe Li,Zongze Wu

【发表日期】2022.4.27

【论文链接】https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9764664&tag=1

【推荐理由】充电站的高效能源调度策略对于稳定电力市场和满足电动汽车（EV）的充电需求至关重要。现有的能源调度策略研究大多未能协调能源采购和分配过程，从而无法平衡能源供需。此外，在复杂场景中存在多个充电站，难以为不同的充电站制定统一的调度策略。本文提出了一种多智能体强化学习（MARL）方法来学习最优能源购买策略和一种在线启发式调度方案来制定能源分配策略。不同于传统的调度方式，两种提议的策略在时间和空间维度上相互协调，以制定充电站统一的能源调度策略。具体来说，所提出的 MARL 方法结合了用于学习购买策略的多智能体深度确定性策略梯度 (MADDPG) 原理和用于预测电动汽车充电需求的长短期记忆 (LSTM) 神经网络。此外，开发了多步奖励功能以加速学习过程。

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