首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于深度强化学习的含碳捕集多源电力系统调度方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:太原理工大学

摘要:本发明属于电力领域,具体是一种基于深度强化学习的含碳捕集多源电力系统调度方法。包括S1:初始化强化学习训练参数;S2:智能体获取当前电力系统负荷需求得到环境状态,通过观测环境状态给出调度动作;S3:计算调度动作所获得的奖励函数值;S4:收集样本存入经验池;S5:重复步骤S2‑S4,直至经验池有N条经验;S6:取出N条经验,更新Critic网络参数以及Actor网络参数,并清空经验池;S7:重复步骤S2‑S6,当训练回合达到最大训练回合数,训练结束,保存网络参数;S8:在线应用已经训练好的Actor网络参数。

主权项:1.一种基于深度强化学习的含碳捕集多源电力系统调度方法,其特征在于,包括:S1:初始化训练参数,包括设定每回合更新经验条数N、每回合训练次数T以及最大迭代次数,初始化神经网络经验池;初始化电力系统工作状态,各类电源的出力以及当前时刻电负荷;S2:智能体获取当前电力系统负荷需求得到环境状态,通过观测环境状态给出调度动作;S3:计算调度动作所获得的奖励函数值;S4:收集样本存入经验池;S5:重复步骤S2-S4,直至经验池有N条经验;S6:取出N条经验,更新Critic网络参数以及Actor网络参数,并清空经验池;S7:重复步骤S2-S6,当训练回合达到最大训练回合数,训练结束,保存网络参数;S8:在线应用已经训练好的Actor网络参数,获取当前时刻的环境状态输入至Actor网络,根据最优策略输出调度动作,计算奖励函数值,并转移至下一环境状态。

全文数据:

权利要求:

百度查询: 太原理工大学 一种基于深度强化学习的含碳捕集多源电力系统调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。