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。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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