【标题】Renewable energy integration and microgrid energy trading using multi-agent deep reinforcement learning

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

【发表日期】2022.5.11

【论文链接】https://www.sciencedirect.com/science/article/pii/S0306261922005256#!

【推荐理由】为了减少全球温室气体排放，世界必须找到智能解决方案，以最大限度地利用无碳可再生能源。在本文中，多智能体强化学习用于控制混合合作和竞争环境中的微电网。智能体观察波动的能源需求、动态的批发能源价格和间歇性可再生能源，以控制混合储能系统，以最大限度地利用可再生能源，从而降低电网的能源成本。此外，聚合器智能体与外部微电网进行交易，相互竞争，聚合器以减少自己的能源费用。深度确定性策略梯度 (DDPG) 算法和多智能体DDPG (MADDPG) 用于比较单个全局控制器与多个分布式智能体的使用，以及分布式 DDPG (D3PG) 和单智能体和多智能体变体双延迟DDPG (TD3)。研究发现，产生最大利润的方法是多智能体方法，其中每个智能体都有自己的奖励函数，基于博弈论的边际贡献原理。

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