多目标分层强化学习调度方法

经济环保安全兼顾

一种可解释的分层强化学习方法，通过多评论家单演员结构解耦奖励，可同时优化经济性、环保性和运行安全约束，并能在不确定性下快速在线决策。

Dou, Jiaming · 王小君 · Liu, Zhao · Jiao, Zhijie · Yi, Han · 孙庆凯 · 和敬涵

Computers and Electrical Engineering 2024

技术优势

多目标同时优化

每个目标使用独立的深度评论家网络，奖励解耦，避免了多目标强化学习中常见的冲突和互相干扰。

可解释的决策

算法结构设计和SHAP分析揭示了各特征对调度决策的贡献，使AI决策过程透明可理解。

应对不确定性

H-DRL在包含可再生能源不确定性的综合环境中离线训练，并能在线提供快速决策。

应用场景

• 综合能源系统优化调度：获得兼顾经济性与环保性的调度方案，减少人工调参。
• 智能电网调度：为电网运行提供实时优化的调度决策，应对新能源波动。
• 能源系统不确定性决策：在不确定环境下依然能给出满足安全和效率的调度策略。
• 可解释强化学习：揭示强化学习决策背后的关键因素，便于监管与信任。