-
题名电动汽车聚合商对备用服务能力的优化
被引量：34
- 1
-
-
作者
吴巨爱
薛禹胜
谢东亮
-
机构
南京理工大学自动化学院
南瑞集团有限公司(国网电力科学研究院有限公司)
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第9期75-81,共7页
-
基金
国家重点研发计划资助项目(2018YFB0904200)~~
-
文摘
电力市场环境下实现电动汽车(EV)的聚类,并积极参与有序充/放电,可以为受端电网提供多样化的功率调节手段,有利于大规模间歇性新能源的消纳。站在EV聚合商(aggregator)这一中间环节,能够更全面地分析市场环境下如何有效利用这一分散的可调控资源。聚合商旨在最大化自身收益,而制定合理的EV充/放电策略是达成该优化目标的途径,但策略的制定同时也受制于市场环境、用户用车需求与参与有序充/放电意愿等因素。文中首先分析了影响聚合商充/放电策略的因素,进而提出了可接纳EV参与竞争的用户充/放电合约及相应的市场机制;在此基础上,构建了EV聚合商同时参与现货和备用市场的优化问题,提出了基于效容比指标求解充/放电策略的分布式算法;最后通过实例验证了算法的准确性与高效性。
-
关键词
电动汽车
聚合商
备用服务
需求侧响应
调度策略优化
效容比指标
-
Keywords
electric vehicle(EV)
aggregator: reserve service
demand side response
dispatching strategy optimization
index of efficiency capacity ratio
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于机器学习的电力负荷预测与调度策略优化分析
- 2
-
-
作者
程晓飞
-
机构
国网山西省电力公司晋城供电公司
-
出处
《电子技术（上海）》
2024年第6期326-327,共2页
-
文摘
阐述传统预测方法的局限性和机器学习在负荷预测中的优势,分析使用不同机器学习算法在负荷预测中的应用效果。提出通过强化学习和遗传算法来优化调度策略,并通过实例证明其有效性。
-
关键词
机器学习
强化学习
遗传算法
电力负荷预测
调度策略优化
-
Keywords
machine learning
reinforcement learning
genetic algorithm
power load forecasting
scheduling strategy optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM715
[自动化与计算机技术—控制科学与工程]
-
-
题名基于改进D3QN的煤炭码头卸车排产智能优化方法
- 3
-
-
作者
秦保新
张羽霄
吴思锐
曹卫冲
李湛
-
机构
国能(天津)港务有限责任公司
哈尔滨工业大学航天学院智能控制与系统研究所
鹏城实验室数学与理论部
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2024年第3期770-781,共12页
-
基金
国家自然科学基金(62273122)。
-
文摘
采用智能化决策排产能够提高大型港口的运营效率,是人工智能技术在智慧港口场景落地的重要研究方向之一。针对煤炭码头卸车智能排产任务,将其抽象为马尔可夫序列决策问题。建立了该问题的深度强化学习模型,并针对该模型中动作空间维度高且可行动作稀疏的特点,提出一种改进的D3QN算法,实现了卸车排产调度决策的智能优化。仿真结果表明,对于同一组随机任务序列,优化后的排产策略相比随机策略实现了明显的效率提升。同时,将训练好的排产策略应用于随机生成的新任务序列,可实现5%~7%的排产效率提升,表明该优化方法具有较好的泛化能力。此外,随着决策模型复杂度的提升,传统启发式优化算法面临建模困难、求解效率低等突出问题。所提算法为该类问题的研究提供了一种新思路,有望实现深度强化学习智能决策在港口排产任务中的更广泛应用。
-
关键词
码头卸车排产
调度策略优化
智能决策
深度强化学习
DuelingDoubleDQN算法
-
Keywords
terminal unloading scheduling
scheduling strategy optimization
intelligent decision-making
deep reinforcement learning
Dueling Double DQN algorithm
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
TP278
[自动化与计算机技术—计算机科学与技术]
-
