文章摘要:家庭能源系统需求响应（Demand Response，DR） 能够有效促进节能减排。家庭能源系统具有强不确定性，要求 DR优化策略具备自动、快速调适能力。本文研究知识与强化学习融合的DR优化方法。首先，建立了两者融合的优化框架，形成知识与强化学习互补机制；然后，对家庭设备建模并建立其DR优化知识规则集；进而，以知识转化为学习样本为核心，设计了知识融入强化学习的模型，重点研究了知识样本作用概率动态调节、多样化知识、随机探索概率动态调节等问题，并设计了知识与DQN融合的算法和网络。算例表明：本文方法能够自动适应家庭的不确定性，用能成本比知识规则法降低11.1%；与标准DQN相比，在同等的收敛标准下，本文方法能源成本低3.3%，且收敛时间仅需标准DQN的1/6。

文章关键词:

项目基金:《世界知识》 网址: http://www.sjzszzs.cn/qikandaodu/2022/0415/1333.html