量子强化学习在社区微电网动态多目标能源管理中的应用
《ENERGY AND BUILDINGS》:Quantum Reinforcement Learning for Dynamic Multi-Objective Energy Management in Community Microgrids
【字体:
大
中
小
】
时间:2026年05月18日
来源:ENERGY AND BUILDINGS 7.1
编辑推荐:
严固|闫慧茹|王青乐|刘聪|刘成|成龙摘要深度强化学习(DRL)在提升微电网中能源管理系统(EMS)的性能方面受到了广泛关注,使得能源效率、运营成本和用户舒适度之间的权衡得以更有效地处理。与此同时,随着量子计算的发展,量子神经网络(QNN)在信息处理和表示方面展现了其独特的能力。
严固|闫慧茹|王青乐|刘聪|刘成|成龙
摘要
深度强化学习(DRL)在提升微电网中能源管理系统(EMS)的性能方面受到了广泛关注,使得能源效率、运营成本和用户舒适度之间的权衡得以更有效地处理。与此同时,随着量子计算的发展,量子神经网络(QNN)在信息处理和表示方面展现了其独特的能力。基于这些技术进步,本研究探讨了量子强化学习(QRL)在社区微电网能源管理中的应用。具体而言,我们开发了Q-EMS这一基于QRL的框架,该框架利用量子比特(qubits)的信息编码能力和QNN的功能逼近能力来支持有效的能源管理决策。我们的方法旨在动态优化能源利用、提升用户舒适度并提高能源盈利能力。我们详细介绍了该方法的设计过程,实验结果表明,Q-EMS的性能与最先进的DRL方法相当甚至更优。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号