Python代码：电池储能 深度强化学习 关键词：BMS DRL 仿真平台：P

Python代码：电池储能 深度强化学习

关键词：BMS DRL

仿真平台：Python Pytorch

主要内容：电池，PV，动态负载，通过PCC连接到主电网。

我们需要控制电池充电/放电计划以降低成本。

DRL用于训练代理。

它是一种简单的无模型、基于策略的深度强化学习（DRL）方法。

策略被表示为行动的概率分布，这使得它非常类似于分类问题，类的数量等于我们可以执行的行动的数量。

Agent将观察值从传递到NN，获得动作的概率分布，并使用概率分布执行随机抽样，以获得要执行的动作。

这在开始时是随机的，但在训练后会有所改善。

ID:21100682346905349