深度强化学习在需求响应中的应用

被引:75
作者
孙毅
刘迪
李彬
徐永海
机构
[1] 华北电力大学电气与电子工程学院
关键词
需求响应; 深度学习; 强化学习; 人工智能; 神经网络;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习]; F426.61 [];
学科分类号
140502 [人工智能];
摘要
随着中国电力市场化改革的推进,需求响应业务在向着多元化、常态化发展,新环境对需求响应的可靠性与精准性的要求越来越高,亟须完善的技术支撑。深度强化学习能够对复杂的外部环境做出较为准确的识别,并做出最优决策,能够满足需求响应的相关要求。基于此,文中对深度强化学习技术在需求响应中的应用进行了研究与探讨。首先对深度强化学习的发展历程及研究现状进行了梳理,同时分析了需求响应的研究现状与未来发展需求。在此基础上,对深度强化学习应用于需求响应业务的可行性与方法进行了探讨。提出了基于深度强化学习的需求响应业务开展架构,并对深度强化学习的实现流程进行了较为深入的分析,为需求响应技术的发展提供了参考。
引用
收藏
页码:183 / 191
页数:9
相关论文
共 22 条
[1]
计及用户参与不确定性的需求响应策略优化方法 [J].
彭文昊 ;
陆俊 ;
冯勇军 ;
王星星 ;
祁兵 ;
崔高颖 .
电网技术, 2018, 42 (05) :1588-1594
[2]
负荷态势感知:概念、架构及关键技术 [J].
许鹏 ;
孙毅 ;
石墨 ;
李彬 ;
祁兵 .
中国电机工程学报, 2018, 38 (10) :2918-2926+3142
[3]
需求响应在电力辅助服务市场中的应用 [J].
沈运帷 ;
李扬 ;
高赐威 ;
周磊 .
电力系统自动化, 2017, 41 (22) :151-161
[4]
面向电力需求侧主动响应的商业模式及市场框架设计 [J].
丁一 ;
惠红勋 ;
林振智 ;
郑梦莲 ;
曲欣瑶 ;
崔文琪 .
电力系统自动化, 2017, 41 (14) :2-9+189
[5]
基于分段竞价的售电侧需求响应策略 [J].
张炜 ;
王秀丽 .
电力系统自动化, 2017, 41 (14) :24-29
[6]
考虑用户需求响应的售电公司购售电决策双层模型 [J].
任艺 ;
周明 ;
李庚银 .
电力系统自动化, 2017, 41 (14) :30-36
[7]
基于知识的深度强化学习研究综述 [J].
李晨溪 ;
曹雷 ;
张永亮 ;
陈希亮 ;
周宇欢 ;
段理文 .
系统工程与电子技术, 2017, 39 (11) :2603-2613
[8]
计及用电行为聚类的智能小区互动化需求响应方法 [J].
陆俊 ;
朱炎平 ;
彭文昊 ;
祁兵 ;
崔高颖 .
电力系统自动化, 2017, 41 (17) :113-120
[9]
基于区块链技术的自动需求响应系统应用初探 [J].
李彬 ;
卢超 ;
曹望璋 ;
祁兵 ;
李德智 ;
陈宋宋 ;
崔高颖 .
中国电机工程学报, 2017, 37 (13) :3691-3702
[10]
需求响应不确定性对日前优化调度的影响分析 [J].
罗纯坚 ;
李姚旺 ;
许汉平 ;
李力行 ;
侯婷婷 ;
苗世洪 .
电力系统自动化, 2017, 41 (05) :22-29