检索结果-南通市图书馆

Direct Load Control of Thermostatically Controlled Loads Based on Sparse Observations Using Deep Reinforcement Learning

引用

CSEE Journal of Power and Energy Systems 2019年第4期5卷 423-432页

作者： frederik ruelens Bert J.Claessens Peter Vrancx Fred Spiessens Geert Deconinck Department of Electrical Engineering KU Leuven/EnergyVille3001 LeuvenBelgium REstore Centrica2600 AntwerpBelgium AI-lab Vrije Universiteit Brussel1050 BrusselsBelgium Vito/EnergyVille 2600 MolBelgium

This paper considers a demand response agent that must find a near-optimal sequence of decisions based on sparse observations of its *** a relevant set of features from these observations is a challenging task and may require substantial domain *** way to tackle this problem is to store sequences of past observations and actions in the state vector,making it high dimensional,and apply techniques from deep *** paper investigates the capabilities of different deep learning techniques,such as convolutional neural networks and recurrent neural networks,to extract relevant features for finding near-optimal policies for a residential heating system and electric water heater that are hindered by sparse *** simulation results indicate that in this specific scenario,feeding sequences of time-series to an Long Short-Term Memory(LSTM)network,which is a specific type of recurrent neural network,achieved a higher performance than stacking these time-series in the input of a convolutional neural network or deep neural network.

关键词： Convolutional networks deep reinforcement learning long short-term memory residential demand response

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：