排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
为提高智慧社区能源系统(smart community energy system, SCES)运行的经济性,引入了电动汽车作为储能设备,并在此基础上提出了一种基于强化学习的新型智慧社区能源系统运行优化调度策略。首先,基于各能源设备运行机理构建了新型智慧社区能源系统模型,该模型考虑了电动汽车作为储能设备入网运行对负荷和供需平衡的影响。其次,将电动汽车分为耗能组和储能组,分别作为用电负荷和储能设备参与系统运行。分析了新型智慧社区能源系统多种能源设备的能量耦合关系,进而建立了电动汽车及各能源设备的非线性约束条件,并重新设计了算法的状态空间、动作空间以及奖励函数。再次,运用基于深度双Q网络(double deep Q network, DDQN)的新型智慧社区能源优化调度策略解决能源系统运行优化问题。最后,以某社区为例,仿真验证了所提策略可有效提高智慧社区能源系统运行的经济性。 相似文献
3.
针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中"全局最优"的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的"发展潜力",趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度 相似文献
1