[发明专利]一种基于深度增强学习的可中断负荷优选方法

摘要

本发明涉及一种基于深度增强学习的可中断负荷优选方法，属于配电网需求响应领域，包括：通过智能电表及量测装置获取t时刻系统的观测状态，并将其作为观察样本；利用所得观察样本，开展基于竞争深度Q网络（dueling deep Q network，DDQN）的神经网络的训练，定期清除观测样本以保证神经网络学习最新的观测状态，经过一定次数的计算迭代得到训练完成的神经网络；读取量测装置中数据获取配电网实时状态，送入训练完成的神经网络中，以可中断负荷动作后节点电压在允许范围内为约束条件，以用户满意度为指标，进行可中断负荷点的筛选，本发明可以自动识别用户用电习惯，筛选出用户满意度相对较高的一组满足运行条件的可中断负荷点，具有良好的应用前景。