基于强化学习的写字楼动态电力价格策略研究

针对城市商业区写字楼的微电网能源管理系统,如何有效的进行能量协同调度具有重要的理论价值与应用价值。本文提出了基于强化学习的写字楼能量调度的需求侧动态价格响应算法。首先,将物业与写字楼之间的模型建立为一个马尔可夫决策过程（Markov Decision Process,MDP）,通过使用Q-Learning算法中的贪婪策略（ε - greedy）来探索写字楼中每个时间间隙的最佳电力零售价格。实验表明,通过需求侧动态价格能量调度策略不仅可以提高电网的可靠性和能源的有效利用率,实现电力分流、削峰和填谷,也可有效降低写字楼的能量消耗,同时降低用户的电力能耗使用成本,使得各方利益最大化,验证了本文所提算法的有效性和实用性。