应用介绍

使用Q学习在能源市场中实现收益最大化 ，参考论文在里面

在本文中，引入了不同需求与价格函数的加权组合，称为复合需求函数（CDF），以表示消费部门的需求模型，这些部门包括具有不同负荷曲线和能源使用习惯的不同客户群。从需求转变了数学问题，提出了价格弹性动态变化，以表示客户对每小时价格的需求。基于建议的CDF和动态弹性，本文开发了一个综合需求响应（CDR）模型，用于表示客户对基于时间和基于激励的需求响应的响应（DR）程序。上面的模型可以帮助零售环境中的零售能源提供商（REP）代理向其客户提供日间实时价格。基于REP代理的学习能力的经济优化方式，基于Q学习方法的原理，结合问题的不同方面（例如价格上限和客户对实时定价的响应），通过经济优化的方式确定最有利的实时价格CDR模型代表的需求响应程序。基于新英格兰日前市场的数据进行了数值研究，以研究该模型的性能。