公开(公告)号：CN115049275A

公开(公告)日：2022-09-13

申请号：CN202210703725.1

申请日：2022-06-21

Applicant: 徐州工程学院

Inventor： 李苏北 ,  李格非

IPC: G06Q10/06 ,  G06Q50/06 ,  G06F30/27 ,  G06N7/00 ,  G06N3/04 ,  G06N3/08 ,  G06F21/60

Abstract: 本发明提供了一种具有隐私保护功能的智能电网需求侧管理策略学习方法，公用事业公司为所有微电网i确定电能价格；由n个微电网i组成的分布式微电网系统根据每个微电网i的用电需求和电池状态向集中式能源管理系统报告其能源消耗需求信息；集中式能源管理系统收集分布式微电网i的需求信息，并为所有微电网i提供需求侧管理策略；构建分布式马尔可夫决策过程模型；信息交互；信息加密；经验存储；集中式训练；输出最优的需求相应策略。该方法能有效保护电力用户的隐私，同时，能最大限度地降低整个电网的运营成本，同时增强每个微电网的用户体验，有利于推动智能电网需求侧管理技术的发展。

公开(公告)号：CN115018042A

公开(公告)日：2022-09-06

申请号：CN202210422773.3

申请日：2022-04-21

Applicant: 徐州工程学院

Inventor： 李苏北 ,  李格非

IPC: G06N3/04 ,  G06N3/08

Abstract: 一种基于点对点通信和时序特征提取的多智能体强化学习方法，智能体将所获得的环境状态输入至执行网络中，获得所要执行的当前动作以及长期记忆量与短期记忆量；赋予智能体探索整个环境空间的能力；在所有智能体完成动作选择之后，获得交互经验，并存储在经验缓存区中；采用通讯模块将自身的信息传递给其他智能体；采用集中式学习的方法对智能体进行训练；在每次训练结束后，对目标评估网络的参数和目标执行网络的参数进行更新；在神经元网络更新收敛之后，利用每个智能体训练好的执行网络与环境进行交互输出智能体最优的策略。本方法可有效解决强化学习算法在多智能体环境中的全局信息难获得的问题，并提高了在高度动态的环境中的通用性和鲁棒性。