2024元強化學習驅動的高比例分布式光伏智能配電網自適應調壓技術報告-天津大學（葛磊蛟）_第1頁
2024元強化學習驅動的高比例分布式光伏智能配電網自適應調壓技術報告-天津大學（葛磊蛟）_第2頁
2024元強化學習驅動的高比例分布式光伏智能配電網自適應調壓技術報告-天津大學（葛磊蛟）_第3頁
2024元強化學習驅動的高比例分布式光伏智能配電網自適應調壓技術報告-天津大學（葛磊蛟）_第4頁
2024元強化學習驅動的高比例分布式光伏智能配電網自適應調壓技術報告-天津大學（葛磊蛟）_第5頁
已閱讀5頁，還剩46頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1.元強化學習學習多個任務的經驗，提高在新任務上的學習效率。元學習的核心思想是RL)的一種新興方法。它旨在通過學習如何學習，提高智能體在新任務?stepstep4:聚合階段一、元強化學習二、傳統智能配電網調壓技術三、基于強化學習的自適應電壓控制風/光/氫等多類型風/光/氫等多類型2.傳統智能配電網調壓技術2.傳統智能配電網調壓技術2233較大等2.傳統智能配電網調壓技術2.傳統智能配電網調壓技術根據電網狀態對分布式光伏并網功率進行控制是調節配網電壓的重要手段，結合不同的通信控制方式，電壓控制策略可以分為以下三種分布式控制分布式控制2.傳統智能配電網調壓技術時間/s配電系統資源群1資源利用效率低資源利用效率低效率二、傳統智能配電網調壓技術三、基于強化學習的自適應電壓控制天津大學3.天津大學3.1現有電壓控制方法的不足可再生能源和負荷羈個立簡化羈個立交互配電網模型交互配電網模型控制動作輸出輸出誤差大分布式柴油機3.基于強化學習的電壓自適應控制天津大學3.23.2強化學習的優勢無模型的實時在線控制：強化學習具有遞歸神經網絡等其他神經網絡結構具有記憶性和非線性擬合擬合能力。在控制階段不需要考慮配電網模型就環境智能體Wa?-環境a?-環境獎勵獎勵控制動作a。變成智能體的輸入；智能體接下來輸轉移到s?。這個過程中智能體會得到經驗儲存起來。然后智能體根據這些經驗更新神經網絡參數得到控制經驗天津大學3.33.3基于強化學習的電壓自適應控制數據控制數據控制P,=P?S+P"+P?-pod嘴=+(%27+2)里化學習數據輸入交互√使用電壓值建立獎勵函數求獎勵值3.4基于強化學習的電壓自適應控制案例分析n時間連續動作空間天津大學NetworkMLPNewok13.基于強化學習的電壓自適應控制強化學習訓練過程的收斂曲線獎勵值收斂曲線獎勵值收斂曲線所提算法有最優收斂效果!—PA-DDPG3.基于強化學習的電壓自適應控制化學習輸入Vi∈N,Vt∈T輸出控制數據輸入輸出控制數據輸入控制策略數據輸入一、元強化學習二、傳統智能配電網調壓技術天津大學天津大學4.1深度強化學習存在的問題ChainofTransition圖1環境狀態轉移示意圖√非穩態性源于打破了制約大多數單代理強化學習算法的一圖2多智能體強化學習√學習程度不均勻源于為合作關系的各個智天津大學天津大學4.2提升方案——元強化學習反映其自身的行為貢獻，而不是簡單地使用聯合獎勵。評論家網絡中應用Withprobablityp天津大學圖133總線網絡圖4.3元強化學習驅動的自適應電壓控制-案例分析圖133總線網絡圖4.3元強化學習驅動的自適應電壓控制-案例分析天津大學天津大學4.3元強化學習驅動的自適應電壓控制-案例分析圖1141總線網絡圖圖1141總線網絡圖電壓失控比電壓失控比可u00天津大學天津大學4.34.3元強化學習驅動的自適應電壓控制-案例分析aθ,o,r電壓平均值電壓平均值a

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論