基于强化学习的微电网能量管理策略优化方法探究
Journal: Engineering and Management Science DOI: 10.12238/ems.v7i10.15718
Abstract
随着可再生能源占比提升，微电网运行面临功率波动与供需平衡的挑战。传统能量管理方法在处理不确定性时存在响应迟缓、优化效率不足等问题。本研究将强化学习引入微电网能量管理领域，通过构建包含光伏、储能和负荷的典型微电网模型，设计基于深度Q网络的动态决策框架。该策略利用历史运行数据训练智能体，使其能够根据实时电价、发电预测和负荷需求自主调整储能充放电策略。研究可为构建智能化微电网提供了新思路，对未来高比例可再生能源接入场景下的电网稳定运行具有参考价值。
Keywords
强化学习；微电网；能量管理；优化方法
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 郭方洪.基于分布式深度强化学习的微电网实时优化调度[J].控制理论与应用，2022，（10）：1881-1889.
[2] 李子凯.基于强化学习算法的微电网优化策略[J].山东电力技术，2024，（6）：27-35.
[3] 李健.基于多智能体强化学习算法的微电网优化研究[J].制造业自动化，2016，（2）：80-88.
[4] Hui Hou.Real-time Energy Management of Low-carbon Ship Microgrid Based on Data-driven Stochastic Model Predictive Control[J].CSEE Journal of Power and Energy Systems，2023，（4）：1482-1492.
[5] 张有兵.深度强化学习在微电网系统调控中的应用综述[J].电网技术，2023，（7）：2774-2787.
[6] 杨广.基于强化学习算法的微电网能量管理系统的自适应控制策略[J].电力设备管理，2024，（24）：201-203.
[7] Inna Bilous.Reinforcement Learning Model for Energy System Management to Ensure Energy Efficiency and Comfort in Buildings[J].Energy Engineering，2024，（12）：3617-3634.
[2] 李子凯.基于强化学习算法的微电网优化策略[J].山东电力技术，2024，（6）：27-35.
[3] 李健.基于多智能体强化学习算法的微电网优化研究[J].制造业自动化，2016，（2）：80-88.
[4] Hui Hou.Real-time Energy Management of Low-carbon Ship Microgrid Based on Data-driven Stochastic Model Predictive Control[J].CSEE Journal of Power and Energy Systems，2023，（4）：1482-1492.
[5] 张有兵.深度强化学习在微电网系统调控中的应用综述[J].电网技术，2023，（7）：2774-2787.
[6] 杨广.基于强化学习算法的微电网能量管理系统的自适应控制策略[J].电力设备管理，2024，（24）：201-203.
[7] Inna Bilous.Reinforcement Learning Model for Energy System Management to Ensure Energy Efficiency and Comfort in Buildings[J].Energy Engineering，2024，（12）：3617-3634.
Copyright © 2025 李明泽, 吕明叡, 王琦蕊, 刘家铭, 张凯
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License