Core Concepts
심층 강화 학습을 기반으로 한 통합 전력 최적화 접근 방식은 마이크로그리드 시스템의 운영 제어를 효과적으로 최적화하고 지속 가능성과 경제성을 향상시키는 것을 목표로 합니다.
Abstract
글로벌 에너지 환경은 탄소 중립, 지속 가능성 및 비용 효율성으로 변화하고 있습니다.
마이크로그리드 시스템은 재생 에너지원과 에너지 저장 시스템이 통합되어 중요한 구성 요소로 부상하고 있습니다.
본 논문은 심층 강화 학습을 기반으로 한 통합 데이터 주도 전력 최적화 접근 방식을 제시합니다.
두 가지 데이터 주도 제어 방식(PB 및 PF)을 개발하여 마르코프 결정 과정(MDP) 내에서 제어 문제를 구성합니다.
배터리 충전/방전 전략을 최적화하기 위해 이중 Dueling Deep Q Network(D3QN) 아키텍처를 개발합니다.
제안된 접근 방식의 효과와 우수성을 시뮬레이션을 통해 증명합니다.
Stats
글로벌 에너지 환경은 탄소 중립, 지속 가능성 및 비용 효율성으로 변화하고 있습니다.
마이크로그리드 시스템은 재생 에너지원과 에너지 저장 시스템이 통합되어 중요한 구성 요소로 부상하고 있습니다.
본 논문은 심층 강화 학습을 기반으로 한 통합 데이터 주도 전력 최적화 접근 방식을 제시합니다.
두 가지 데이터 주도 제어 방식(PB 및 PF)을 개발하여 마르코프 결정 과정(MDP) 내에서 제어 문제를 구성합니다.
배터리 충전/방전 전략을 최적화하기 위해 이중 Dueling Deep Q Network(D3QN) 아키텍처를 개발합니다.
제안된 접근 방식의 효과와 우수성을 시뮬레이션을 통해 증명합니다.
Quotes
"마이크로그리드 시스템은 재생 에너지원과 에너지 저장 시스템이 통합되어 중요한 구성 요소로 부상하고 있습니다."
"이중 Dueling Deep Q Network(D3QN) 아키텍처를 개발하여 배터리 충전/방전 전략을 최적화합니다."