【标题】Machine learning-based demand response in PV-based smart home considering energy management in digital twin

【作者团队】Jueru Huang, Dmitry D. Koroteev, Marina Rynkovskaya

【发表日期】2023.1.31

【论文链接】https://www.sciencedirect.com/science/article/pii/S0038092X2300052X

【推荐理由】面对不断变化的市场因素，能源管理 (EM) 系统需要具有灵活性以做出最佳的实时决策。需求响应（DR）已成为提高电气系统性能和可靠性的最新方法。在这里，针对家中的 EM 提出了一种提前一小时的 DR 算法。本文介绍了一种人工神经网络方法，该方法使用稳定的成本预测作为处理即将到来的价格不确定性的方法。为了为各种家用设备做出最佳和分散的决策，多智能体强化学习已与预测的即将到来的成本一起使用。本文对可移动、不可移动和可控负载进行了仿真，以确定所建议的 EM 策略的有效性。基于实验的结果，这种建议的 DR 算法能够处理多种设备的电磁波，最大限度地减少消费者的电费开支和不适价格，并帮助消费者大大降低其能源开支相比，基准使用没有 DR。

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