| 基于强化学习的写字楼动态电力价格策略研究 |
| |
| 引用本文： | 樊园杰,张磊,吴利刚,周倩,张梁.基于强化学习的写字楼动态电力价格策略研究[J].科学技术与工程,2022,22(8):3202-3208. |
| |
| 作者姓名： | 樊园杰 张磊 吴利刚 周倩 张梁 |
| |
| 作者单位： | 山西大同大学商学院;山西大同大学煤炭工程学院;山西大同大学机电工程学院 |
| |
| 基金项目： | 山西省软科学研究项目(2018041067-4);山西省哲学社会科学规划课题(2020YJ140,2019B294,2019B308);山西省高等学校哲学社会科学项目(2020W108);大同市软科学研究计划项目(2018177，2020159); 安徽省智能机器人信息融合与控制工程实验室开放课题项目(IFCIR2020006) |
| |
| 摘 要： | 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。
|
| 关 键 词： | 强化学习 能量调度 电力价格 MDP 需求响应 |
| 收稿时间： | 2021/6/16 0:00:00 |
| 修稿时间： | 2021/12/15 0:00:00 |
Research on dynamic electricity price strategy of office Building based on reinforcement learning |
| |
| Fan Yuanjie,Zhang Lei,Wu Ligang,Zhou Qian,Zhang Liang.Research on dynamic electricity price strategy of office Building based on reinforcement learning[J].Science Technology and Engineering,2022,22(8):3202-3208. |
| |
| Authors: | Fan Yuanjie Zhang Lei Wu Ligang Zhou Qian Zhang Liang |
| |
| Institution: | School of Business, Shanxi Datong University;School of Coal Engineering, Shanxi Datong University |
| |
| Abstract: | |
| |
| Keywords: | reinforcement learning energy scheduling electricity price MDP demand response |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
