基于多智能体深度强化学习的5G基站储能电池充放电调度方法

    公开(公告)号:CN117650553B

    公开(公告)日:2024-07-09

    申请号:CN202311390904.5

    申请日:2023-10-25

    申请人: 四川大学

    摘要: 本发明提供一种基于多智能体深度强化学习的5G通信基站储能电池充放电调度方法。该以最小化配电网运行成本(计及碳排放成本)为目标,针对配电网状态信息复杂、难以建立精确数学模型、低感知度的特性和5G通信基站数目繁多的问题,将配电网划分成多个电气子区域,利用MATD3多智能体算法使各智能体独立学习配电网各电气子区域下的5G通信基站储能充放电策略,各智能体仅需采集其所属电气子区域的电气信息和基站信息即可完成合理调度,而不必采集系统全部信息,也不必实现各部位的通信;而且,该方法能够在满足5G通信基站平稳运行的前提下,通过控制储能的充放电过程优化电力系统的低碳经济调度,提高可再生能源利用率,实现低碳减排。

    基于多智能体深度强化学习的5G基站储能电池充放电调度方法

    公开(公告)号:CN117650553A

    公开(公告)日:2024-03-05

    申请号:CN202311390904.5

    申请日:2023-10-25

    申请人: 四川大学

    摘要: 本发明提供一种基于多智能体深度强化学习的5G通信基站储能电池充放电调度方法。该以最小化配电网运行成本(计及碳排放成本)为目标,针对配电网状态信息复杂、难以建立精确数学模型、低感知度的特性和5G通信基站数目繁多的问题,将配电网划分成多个电气子区域,利用MATD3多智能体算法使各智能体独立学习配电网各电气子区域下的5G通信基站储能充放电策略,各智能体仅需采集其所属电气子区域的电气信息和基站信息即可完成合理调度,而不必采集系统全部信息,也不必实现各部位的通信;而且,该方法能够在满足5G通信基站平稳运行的前提下,通过控制储能的充放电过程优化电力系统的低碳经济调度,提高可再生能源利用率,实现低碳减排。