龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：本发明属于综合能源系统优化调度技术领域，公开了一种基于轮询式的去中心化联邦强化学习的IES群优化调度方法，包括建立综合能源系统的数学模型；构建马尔可夫决策模型的状态空间、动作空间和奖励函数；基于轮询式的去中心化联邦强化学习训练马尔可夫决策模型；基于最新加权聚合得到的参数，各智能体利用马尔可夫决策模型进行IES优化调度。本发明通过结合轮询式策略和联邦学习框架，不仅优化了分布式环境中的协作与目标达成，还提升了数据隐私保护和通信效率。
主权项：1.一种基于轮询式的去中心化联邦强化学习的IES群优化调度方法，其特征在于，每个IES区域配置了独立的智能体，且智能体基于马尔可夫决策模型运行，所有智能体呈环状拓扑结构，所述基于轮询式的去中心化联邦强化学习的IES群优化调度方法，包括：步骤1、建立综合能源系统的数学模型，包括：步骤1-1、构建结合经济效益的IES群优化模型的目标函数；步骤1-2、构建结合经济效益的IES群优化模型的约束；步骤2、构建马尔可夫决策模型的状态空间、动作空间和奖励函数；步骤3、基于轮询式的去中心化联邦强化学习训练马尔可夫决策模型，包括：步骤3-1、各智能体初始化环境；步骤3-2、各智能体定期进行本地学习与经验收集；步骤3-3、各智能体进行本地马尔可夫决策模型参数更新；步骤3-4、智能体有序地以轮询方式进行参数传递，每个智能体在接收前一智能体的参数后，通过执行参数的加权聚合更新本地马尔可夫决策模型参数，然后将更新后的参数传递给下一个智能体；步骤3-5、重复步骤3-3-步骤3-5，直至达到训练结束条件，输出最新加权聚合得到的参数；步骤4、基于最新加权聚合得到的参数，各智能体利用马尔可夫决策模型进行IES优化调度。
全文数据：
权利要求：
百度查询： 浙江工业大学 基于轮询式的去中心化联邦强化学习的IES群优化调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号