首页双碳基础知识碳达峰碳中和其他报告文献2024年适于电力系统的深度强化学习方法探索报告——张翔昱
绿碳资料库

文档

2712

关注

0

好评

0
PDF

2024年适于电力系统的深度强化学习方法探索报告——张翔昱

阅读 700 下载 324 大小 11.46M 总页数 32 页 2024-12-05 分享
价格:¥ 9.90
下载文档
/ 32
全屏查看
2024年适于电力系统的深度强化学习方法探索报告——张翔昱
还有 32 页未读 ,您可以 继续阅读 或 下载文档
1、本文档共计 32 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
4、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

5、有任何问题,文件需求请联系WX:baomafenxiang520

适于电力系统的深度强化学习方法探索张翔昱1902电气工程学院,东南大学2024年10月@江苏省电工技术学会前期相关研究概况关注问题学习辅助型优化求解(无模型)强化学习电力系统中具有模型预测控制+值函数学习(用作终端成本)适于电力系统的策略训练方法:强时序相关性学习加速型ADMM:利用循环神经网络预测全局-局部两阶段策略搜索的多步决策优化问题。ADMM的收敛轨迹基于课程学习的策略搜索超算集群中的强化学习训练可微规划(Differentiable Programming)强化学习优势发掘(如端到端考传统优化方法虑不确定性的优化问题)问题基于多代理强化学习的分布式优模型预测控制(MPC)原始对偶可微预测控制(考虑显式约束、化问题基于模型的策略训练)基于纯数据无探索的强化学习传统基于优化方法基于学习型优化方法混合式算法+最优性保障快速实时响应显式约束表达+对系统模型形式无要求+结合两者优势系统模型可能需简化学习需要大量数据需实时计算最优性、约束无法严格保障
返回顶部