基于多智能体深度强化学习的综合能源系统动态调度方法
知识产权简介
一种用于综合能源系统动态调度的新型多智能体强化学习架构,该架构首先基于马尔可夫决策交互(MDP)架构,设计用于综合能源系统(IES)调度的智能体,智能体的包括状态空间、动作空间和奖励函数;然后,利用K-means聚类将综合能源系统(IES)划分成在不同时段特征互异的多环境,同时利用预测模型来捕获调度时段的环境特征,以匹配对应环境的智能体;最后为每个环境设置经济性深度确定性策略梯度(EDDPG)模型进行交互学习与决策,形成分布式学习-分布式执行(DLDE)架构。该架构基于K-means聚类算法设计了一种新颖的多环境多智能体交互学习框架,针对特定环境或场景训练特定智能体,弱化不确定因素对智能体决策的影响。针对多目标强化学习(MODRL)中目标偏好问题,该框架设计一种经济性深度确定性策略梯度(EDDPG)模型,通过将经济性引导网络融入深度确定性策略梯度(DDPG)模型中,来提升决策的经济性权重。实例分析表明,本发明相比其他的深度强化学习方法以及传统优化方法,可以得到更为经济和稳定的调度结果。