基于强化学习的蓄电池储能系统的优化控制
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 微网 | 第15-20页 |
| 1.2.1 微网的概念 | 第15-16页 |
| 1.2.2 微网的基本结构 | 第16-17页 |
| 1.2.3 微网的研究现状 | 第17-19页 |
| 1.2.4 微网的通信技术 | 第19-20页 |
| 1.3 强化学习 | 第20-22页 |
| 1.3.1 强化学习的基本原理及特征 | 第20-21页 |
| 1.3.2 强化学习的主要算法 | 第21-22页 |
| 1.4 储能系统的研究现状 | 第22-24页 |
| 1.5 论文内容及组织结构 | 第24-25页 |
| 第二章 蓄电池储能系统及建模方法 | 第25-36页 |
| 2.1 储能系统的相关技术 | 第25-29页 |
| 2.1.1 分布式发电技术 | 第25-28页 |
| 2.1.2 储能技术 | 第28-29页 |
| 2.2 蓄电池储能系统的系统概述 | 第29-31页 |
| 2.3 SMDP与MDP | 第31-34页 |
| 2.3.1 半Markov决策过程 | 第32-33页 |
| 2.3.2 Markov决策过程 | 第33-34页 |
| 2.4 等价Markov决策过程 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于SMDP的蓄电池储能系统的优化控制 | 第36-48页 |
| 3.1 Markov链 | 第36页 |
| 3.2 BESS系统的分析模型 | 第36-39页 |
| 3.2.1 基本的符号和概念 | 第36-37页 |
| 3.2.2 系统矩阵和性能函数 | 第37-39页 |
| 3.3 BESS系统的优化方法 | 第39-43页 |
| 3.3.1 理论优化方法 | 第39-40页 |
| 3.3.2 Q学习算法 | 第40-41页 |
| 3.3.3 Sarsa算法 | 第41-43页 |
| 3.4 实验结果 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于动态规划的电动车蓄电池系统的优化控制 | 第48-54页 |
| 4.1 V2G系统的研究现状 | 第48-49页 |
| 4.2 物理模型 | 第49-50页 |
| 4.3 数学模型 | 第50-51页 |
| 4.4 优化算法 | 第51-53页 |
| 4.4.1 动态规划算法 | 第51-52页 |
| 4.4.2 策略迭代算法 | 第52页 |
| 4.4.3 基于策略迭代的动态规划算法 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-61页 |
