Core Concepts
論文は、データ駆動型の電力最適化アプローチを提案し、マイクログリッド制御における包括的な視点を示しています。
Abstract
この論文では、再生可能エネルギー源とエネルギー貯蔵システムを統合したマイクログリッドシステムの操作制御を最適化するためのディープ強化学習(DRL)に基づく包括的なアプローチが提案されています。PBおよびPFスキームが開発され、MDP内で制御問題を定式化しました。さらに、D3QNアーキテクチャが開発されて実時間エネルギー管理のための電力フローを最適化しました。数値シミュレーションにより、提案手法の効果と優越性が実証されました。
Stats
マイクログリッド制御における市場利益と炭素排出削減率はそれぞれ7514.61%と133.90%です。
バッテリー劣化コストは操作コスト削減率6020.75%であり、ピーク負荷超過率は342.58%です。
D3QN-PB-softアプローチは、実際のデータセットで操作コストを7514.61%削減し、炭素排出量を133.90%削減しました。
Quotes
"Recently, reinforcement learning (RL) has shown remarkable efficacy in optimizing the power management of complex microgrid systems attributed to its powerful model-free and self-learning capabilities."
"For example, Rangel et al. designed an optimization model based on the formulation of a mixed-integer linear programming (MILP) to balance the fuel consumption, carbon emissions and operating costs of a Diesel-PV-Battery hybrid microgrid."