- 1、本文档共15页,其中可免费阅读14页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请提供的一种基于深度强化学习的能源系统管理多时间尺度最优决策方法,通过基于长短期记忆人工神经网络的预测模型得出提前两步时间的光伏电池组的输出功率以及负荷所需功率,从而利用深度强化学习方法对储能电池组的充放电动作产生最优动作决策。本申请提供的一种基于深度强化学习的能源系统管理多时间尺度最优决策方法,考虑单一时间尺度中动作决策在某些情形下会造成系统饱和及不稳定的问题,可根据当前以及预测的未来两个时刻的系统状态,对储能电池组的充放电动作产生最优动作决策;充分考虑未来时刻的系统状态,提高系统动作决策
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112488452 B
(45)授权公告日 2023.03.31
(21)申请号 202011237161.4 G06N 3/048 (2023.01)
文档评论(0)