BriefGPT - AI 论文速递
·
安全约束的多智能体强化学习在主动电压控制中的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一个基于多智能体的双层运营框架，用于低碳需求管理。通过优化控制信号最大化利润，优化调度决策最小化运营成本，并计算配电边际价格和碳强度。通过网络通信与其他智能体合作，利用配电网络的不完全信息。使用共识多智能体有约束策略优化的安全强化学习算法进行求解。在案例研究中证明了该方法的有效性。
🎯
关键要点
- 提出了一个基于多智能体的双层运营框架，用于低碳需求管理。
- 上层通过优化控制信号最大化利润，下层通过优化调度决策最小化运营成本。
- 计算配电边际价格和碳强度，并通过网络通信与其他智能体合作。
- 利用配电网络的不完全信息进行分布式柔性负荷管理。
- 问题被建模为基于网络的多智能体有约束马尔可夫决策过程。
- 使用共识多智能体有约束策略优化的安全强化学习算法进行求解。
- 案例研究在IEEE 33节点和123节点配电网系统上验证了方法的有效性。
- 满足需求侧的碳排放约束，确保配电网的安全运行和保护隐私。
➡️
