【标题】Multi-agent hierarchical reinforcement learning for energy management

【作者团队】Imen Jendoubi, François Bouffard

【发表日期】2022.12.13

【论文链接】https://www.sciencedirect.com/science/article/pii/S0306261922017573

【推荐理由】日益复杂的能源系统正在将注意力转向强化学习 (RL) 等无模型控制方法。这项工作提出了新颖的基于 RL 的能量管理方法，用于调度电网中可控设备的运行。本文所提出的方法提供了一种有效解决多维、多目标和部分可观察电力系统问题的工具。这项工作的新颖之处有三：实施了基于 RL 的分层控制策略来解决典型的能源调度问题。其次，提出了多智能体强化学习 (MARL) 来有效地协调不同的单元而没有通信负担。第三，提出了一种合并分层 RL 和 MARL 理论的控制策略，用于处理复杂电力系统问题的鲁棒控制框架。还介绍了各种基于 RL 和基于模型的控制方法的比较性能评估。三种典型能源调度场景的实验结果表明了所提出的控制框架的有效性。