Emission Trading System - 2022年11月

A Federated DRL Approach for Smart Micro-Grid Energy Control with Distributed Energy Resources

发布时间：2022-11-07

作者：Farhad Rezazadeh, Nikolaos Bartzoudis

中文摘要：

随着物联网（IoT）和智能电表设备在智能电网中的广泛应用，为测量和分析电力消费模式提供了关键支持。这种方法使得终端用户能够在市场中扮演生产者消费者的角色，从而有助于减少碳足迹和电网负担。协调家庭可再生能源资源（RERs）产生的能源过剩与外部网络（主电网）供应短缺是必要的。本文提出了一种分层架构，利用联邦深度强化学习（FDRL）和动态负载以分布式方式管理多个智能建筑中的能源。在基于FDRL的框架中，每个在本地建筑能源管理系统（BEMS）中运行的代理训练一个本地深度强化学习（DRL）模型，并以模型超参数的形式将其经验分享给能源管理系统（EMS）中的联邦层。使用一个EMS和最多二十个配备光伏（PV）系统和电池的智能房屋进行了仿真研究。这种迭代训练方法使得所提出的离散化软演员-评论家（SAC）代理能够汇总收集到的知识，从而加速整体学习过程并降低成本和二氧化碳排放，而联邦方法可以减轻隐私泄露的风险。数值结果证实了所提出框架在不同白天时段、负载和温度下的性能。

一句话总结：

本文提出了一种基于联邦深度强化学习的智能建筑能源管理系统，通过迭代训练和联邦方法，有效降低了能源成本和碳排放，同时保护了用户隐私。

---