检索结果-南通市图书馆

基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第3期39卷 699-713页

作者：范培潇杨军温裕鑫柯松谢黎龙武汉大学电气与自动化学院武汉430072

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的... 详细信息

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

关键词：多微电网负荷频率控制电动汽车发电机端电压多智能体算法模型预测控制

在线全文

学校读者我要写书评

暂无评论

基于多智能体算法的风电场集群一致性控制

电力电子技术 2022年第10期56卷 45-48页

作者：白雄雄中国铁建电气化局集团北方工程有限公司山西太原030024

风电场集群的协同运行通常采用集中式控制,无法实现即插即用,且高度依赖集控中心,可靠性低。为此,提出了一种基于多智能体算法的风电场集群的分布式协同控制策略。在尽量降低弃风的基础上,以综合运行效益最高为优化目标建立风场群的协... 详细信息

风电场集群的协同运行通常采用集中式控制,无法实现即插即用,且高度依赖集控中心,可靠性低。为此,提出了一种基于多智能体算法的风电场集群的分布式协同控制策略。在尽量降低弃风的基础上,以综合运行效益最高为优化目标建立风场群的协同优化模型,采用基于一致性的分布式控制算法对模型求解,实现了风场群总功率在单个风电场间快速、公平、自治分配。实验结果表明,所提策略实现了风电场集群在通信故障、拓扑结构多变等情景下的有效和鲁棒运行。

关键词：风电场集群集中式控制多智能体算法

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的多智能体算法研究

基于深度强化学习的多智能体算法研究

作者：张佳乐哈尔滨工业大学

学位级别：硕士

随着深度学习技术的不断发展,并且深度学习也成功应用于单智能体强化学习中,多智能体协同强化学习也在这个浪潮中得到了非常广泛的发展和应用。多智能体协同算法的主要目的是通过智能体群环境的不断交互,寻找到一个获取总体目标最大价... 详细信息

随着深度学习技术的不断发展,并且深度学习也成功应用于单智能体强化学习中,多智能体协同强化学习也在这个浪潮中得到了非常广泛的发展和应用。多智能体协同算法的主要目的是通过智能体群环境的不断交互,寻找到一个获取总体目标最大价值的最佳策略。强化学习在训练过程中通过不断和环境交互的方式进行收集经验,并根据这些经验进行学习。这些经验数据一般需要与环境进行大量的交互,这些对智能体的训练都带来了严峻的挑战。加速这些经验数据的收集,智能体便可以在相对更短的时间里获得更多的交互数据,从而加快训练。在单智能体算法里通过并行训练的办法在一定程度上加快了交互数据的收集,但是如何将其利用到多智能体系统里来又是一个新的问题。其次,不同的交互数据在训练过程中对智能体的价值并非等价,在目前的经验数据抽取的算法中,主要采用随机采样的方法对智能体参数进行更新,但是,在此状态下所有交互数据都有了相同的权重,忽略了交互数据对智能体的学习价值的差异,导致学习效率低。因此根据交互数据的不同重要程度给予它们不同的权重非常有意义。最后,多智能体环境会受到所有智能体动作的影响,所以多智能体系统环境会更加复杂和不稳定。并且多智能体系统的复杂性也会随着智能体数量的增加而增加,可能会存在维度爆炸或者无法收敛的情况,因此如何让智能体选择性的关注信息,更好利用好有效信息也是个非常重要的问题。本文的主要研究内容分为以下两部分:(1)针对多智能体协同环境中交互数据收集慢,均匀采样学习效率低的问题,提出了一种多智能体协同工作中的并行优先级回放方法。在数据收集阶段,通过决策者并行的方式采用多个线程进行并行计算加快了交互数据的采集。在数据采样阶段,提出了一种多智能体优先级采样的方法,给予不同数据不同的权重。在训练时,该方法利用TD-error的方法来计算并标识不同交互经验的重要性,并以在每次取样的时候用优先级最高的方法对网络进行更新。实验证明,并行优先级回放的方法可以有效地加快模型的训练并且改善模型的训练效果。在合作和对抗两种实验中进行了实验,最终取得了较好的性能。(2)针对多智能体协同环境中智能体的数目变多,动作维度大导致信息维度爆炸的问题提出了一种基于注意力的多智能体协作方法。利用注意力机制对智能体网络进行了优化与改造使智能体可以更好地利用有效的信息,并对不同智能体的信息选择性关注。在一定程度上缓解了信息维度大导致的难收敛问题。在最终的实验结果中显示,利用注意力机制的方法可以更好的提升实验效果。

关键词：并行数据采集优先经验回放注意力机制多智能体算法强化学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

正交多智能体算法求解管网直接优化调度模型

哈尔滨工业大学学报 2008年第4期40卷 644-649页

作者：陈磊张土乔浙江工业大学市政工程系杭州310014 浙江大学市政工程研究所杭州310027

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比... 详细信息

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.

关键词：正交设计多智能体算法供水系统直接优化调度模型

基于多智能体算法的分布式储能微电网在线优化模型与算例分析

在线全文

学校读者我要写书评

暂无评论

工程技术研究 2023年第17期8卷 1-3页

作者：陈湘龙中国南方电网有限责任公司广东广州510663

文章以分布式储能微电网为研究对象,探讨了其管理策略的优化。具体基于Soft Actor Critic多智能体算法,设计多智能体算法在线优化策略,构建分布式储能微电网在线优化模型,并通过算例分析验证优化模型的科学性。研究和算例分析表明,SAC... 详细信息

文章以分布式储能微电网为研究对象,探讨了其管理策略的优化。具体基于Soft Actor Critic多智能体算法,设计多智能体算法在线优化策略,构建分布式储能微电网在线优化模型,并通过算例分析验证优化模型的科学性。研究和算例分析表明,SAC多智能体算法能科学兼顾观测数据与经验数据,在有效克服外部因素对算法稳定性影响的同时得到了更好的收敛结果,能降低分布式储能微电网运行模型的经济成本。

关键词：分布式储能微电网优化模型多智能体算法算例分析

在线全文

学校读者我要写书评

暂无评论

基于多智能体算法的CA林火空间扩散模型

系统仿真学报 2018年第3期30卷 824-830,839页

作者：周国雄吴淇陈爱斌中南林业科技大学计算机与信息工程学院湖南长沙410004

针对林火蔓延多相和多组分的性质,提出一种基于多智能体算法的CA林火空间扩散模型。采用基于王正非的CA模型对林火蔓延趋势进行近似模拟。在CA确定的元胞状态转换规则的基础上,结合多智能体算法的自学习及变异的方法,使得实测林火格局... 详细信息

针对林火蔓延多相和多组分的性质,提出一种基于多智能体算法的CA林火空间扩散模型。采用基于王正非的CA模型对林火蔓延趋势进行近似模拟。在CA确定的元胞状态转换规则的基础上,结合多智能体算法的自学习及变异的方法,使得实测林火格局与CA规则驱动的演进模式最为接近,实现自动优化CA规则,使得CA蔓延模型的精度提高。通过仿真结果,对比分析传统的Rothermel模型与本文提出的方法,可知在火场面积和火场周长方面,实际林火蔓延过程与本文提出的林火空间扩散模型的实验仿真结果具有较高的相似性。

关键词：进化智能体多智能体算法元胞自动机规则函数林火蔓延

链式多智能体遗传算法在分布式电源全时序上优化配置

在线全文

学校读者我要写书评

暂无评论

计算机测量与控制 2017年第11期25卷 201-204,238页

作者：杨宏超程若发贺志华吕彩艳南昌航空大学信息工程学院南昌330063

分布式电源的选址与定容是微电网研究所面临的重要问题,提出一种考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换情况下的DG优化配置;为了解决上述问题,采用链式多智能体遗传算法对其进行优化处理;首先通过算法对IEEE33节点系... 详细信息

分布式电源的选址与定容是微电网研究所面临的重要问题,提出一种考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换情况下的DG优化配置;为了解决上述问题,采用链式多智能体遗传算法对其进行优化处理;首先通过算法对IEEE33节点系统进行测试,验证算法在分布式电源优化配置中的优越性,并对PG&E69节点配电网进行24-h时序的全过程模拟仿真优化,结果验证了多智能体遗传算法能在分布式电源配置上的有效性,同时提高微电网接入的预测精度,加快收敛速度,改进陷入局部最优的可能性等问题,对微电网在规划选址与定容选择上提供工程参考的实用性。

关键词：微电网分布式电源有功网损选址和定容多智能体算法

在线全文

学校读者我要写书评

暂无评论

基于多智能体遗传算法的微电网优化策略研究

工业控制计算机 2017年第2期30卷 126-128页

作者：贺志华程若发杨宏超吕彩艳南昌航空大学信息工程学院江西南昌330063

分布式电源的选址与定容是微电网研究所面临的重要问题,为此考虑有功网损和电压稳定性两个重要指标,将分布式电源接入微电网转化为分布式电源的接入位置和接入容量的双目标非线性优化问题。针对以上问题,提出了链式多智能体遗传算法。... 详细信息

分布式电源的选址与定容是微电网研究所面临的重要问题,为此考虑有功网损和电压稳定性两个重要指标,将分布式电源接入微电网转化为分布式电源的接入位置和接入容量的双目标非线性优化问题。针对以上问题,提出了链式多智能体遗传算法。通过应用所提出的算法对IEEE-33节点配电网进行仿真优化,结果验证了多智能体遗传算法能有效提高微电网接入的预测精度,加快收敛速度,改进陷入局部最优的可能性等问题,对微电网在规划选址与定容选择上提供工程参考的实用性。

关键词：微电网分布式电源有功网损选址和定容多智能体算法

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的EV充放电博弈策略研究

基于深度强化学习的EV充放电博弈策略研究

作者：刘中钦西安工业大学

学位级别：硕士

全球能源供需紧张,世界各国正在努力实现“碳中和”,发展节能和新能源成为主流趋势。随着电动汽车(EV)的普及以及其本身低污染和无噪音的特性,在全球范围内得到大力发展。但庞大的用户集群倾向于晚间用电高峰期充电,不仅会导致夜间电力... 详细信息

全球能源供需紧张,世界各国正在努力实现“碳中和”,发展节能和新能源成为主流趋势。随着电动汽车(EV)的普及以及其本身低污染和无噪音的特性,在全球范围内得到大力发展。但庞大的用户集群倾向于晚间用电高峰期充电,不仅会导致夜间电力需求激增,还会增加用户充电成本。如何制订社区EV充电策略使得EV代理商和EV用户双方的均衡利益最大化是电力系统研究的重要内容。传统的电力系统优化策略往往只考虑到电网侧或需求侧的单方模型而忽略了双方共同作用下的博弈策略模型,使得优化结果出现折损。基于以上原因,本文利用社区历史用电数据,根据用户集群与代理商双方的需求建立EV集群充放电博弈策略模型,并求解规定条件下两方最优博弈解以实现均衡利益最大化的目标。并以此展开了如下研究工作:(1)经典EV充电两方模型及充电模型建模。选取了具有中国用户行为特征的电动汽车出行数据,并对出行数据进行函数拟合。对EV用户和EV代理商双方收益建模,利用蒙特卡洛算法和PSO算法对模型进行仿真,研究双方收益之间的关系,并提出了经典模型存在的问题。(2)基于LSTM神经网络的电价数据预测模型。介绍了电价数据的特点以及利用LSTM神经网络提取电价特征的优点,分别利用LSTM长短期记忆网络和ARIMA算法对历史电价数据进行预测并对比两算法优缺点。(3)基于MADDPG多智能体算法的EV充放电博弈策略模型。对多智能体算法进行对比并结合课题研究特点选取合适算法,利用多智能体算法构建马尔可夫博弈,创建动作-状态空间函数以及EV充电两方模型的目标函数,对算法模型进行仿真求博弈均衡解,并对超参数进行多值选取进行对比。利用多智能体算法和电价预测模型对充放电博弈模型进行仿真试验,结果表明:本文提出的算法模型相比于DDPG算法和经典PSO算法在用户充电满意度方面分别提高了4.6%和6.1%,在代理商收益方面分别提升了4.1%和6.7%,验证了本文所提方法的有效性。

关键词：电动汽车 EV代理商深度强化学习多智能体算法博弈策略