CN115333143B 基于双神经网络的深度学习多智能体微电网协同控制方法 （国网黑龙江省电力有限公司大庆供电公司）_第1页
CN115333143B 基于双神经网络的深度学习多智能体微电网协同控制方法 （国网黑龙江省电力有限公司大庆供电公司）_第2页
CN115333143B 基于双神经网络的深度学习多智能体微电网协同控制方法 （国网黑龙江省电力有限公司大庆供电公司）_第3页
CN115333143B 基于双神经网络的深度学习多智能体微电网协同控制方法 （国网黑龙江省电力有限公司大庆供电公司）_第4页
CN115333143B 基于双神经网络的深度学习多智能体微电网协同控制方法 （国网黑龙江省电力有限公司大庆供电公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

US2019074691A1,2019.03.07US2022004191A1,2022.01.06基于双神经网络的深度学习多智能体微电本发明提供了一种基于双神经网络的深度学习的环境动作空间与状态空间以及奖励函数能量管理优化策略选择，实现微电网的协同控230统在某个状态在t时刻st下采取动作at将得到的累计回报Rt可以表示为预期回报，γ表示在此训练过程中，Q值训练模组以储能装置元组(st,at,rt,st+1)步骤S3、建立双神经网络深度强化学习算法流程：采用4构建估计网络与目标网络，两个网络结构相__微电网系统中多智能体按照一定概率随机选择动作与环境进行特定状态下使奖励最大化的动作，随着训练次数的不断增加直至完全采用使Q值最大的动2.如权利要求1所述的基于双神经网络的深度学习多智能体微电网协同控制方法，其所述采用深度强化学习算法对步骤S2与步骤S3的控制策略微电网的模型进行多次训根据步骤S2的智能体根据自身状态按照一定概率根据步骤S3所述的深度强化学习算法采用优先经验回放的方式存储数据(st,at,rt,st+1)并记录其特征向量，在训练初期智能体随机采取动作以产生足够多的训练数据存储5是基于多智能体系统框架实现的，基于分布式发电的多智能体微电网依靠其独特的灵活6[0016]深度神经网络的权重ω表示系统状态到Q值的映射，定义损失[0025]微电网系统中多智能体按照一定概率随机选择动作与环寻找特定状态下使奖励最大化的动作，随着训练次数的不断增加直至完全采用使Q值最大即系统在某个状态在t时刻st下采取动作at将得到的累计回报Rt可以表示为预期回报，γ[0034]在此训练过程中，Q值训练模组以储能装置元组(st,at,rt,st+1)为样本进行训[0038]所述采用深度强化学习算法对步骤S2与步骤S3的控制策略微电网的模型进行多7自身状态选取奖励最大化的动作，随着训练次数的增加，降低探索概率选择Q值最大的动[0040]根据步骤S3所述的深度强化学习算法采用优先经验回放的方式存储数据(st,at,[0043]图1为本发明实施例基于双神经网络的深度学习多智能体微电网协同控制方法流[0048]如图1_4所示，本发明提供一种基于双神经网络的深度学习多智能体微电网协同8,Δf2,Δf3,...Δfn}对应的环境状态为{s1,s2,s3...sn}；tt骤S2定义的强化学习环境进行多次训练以达到奖励值[0073]深度神经网络的权重ω表示系统状态到Q值的映射，因此需要定义一个9网络不断学习迭代来更新网络参数，目标网络一段时间T采用估计网络更新的参数来更新__[0083]微电网系统中多智能体按照一定概率随机选择动作与环寻找一定状态下使奖励最大化的动作，随着训练次数的不断增加直至完全采用使Q值最大多次训练，利用深度强化学习算法训练出Q值解决算法的高估问题以优化多智能体系统的[0088]根据步骤S3所述的深度强化学习算法采用优先经验回放的方式存储数据(st,at,rt,st+1)并记录其特征向量，在训

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论