Dynamische Preisgestaltung für intelligente Netze mit Verstärkungslernen

Im System des smarten Stromnetzes kann die dynamische Preisgestaltung ein effizientes Werkzeug für den Dienstanbieter sein, das eine effiziente und automatisierte Verwaltung des Netzes ermöglicht. In der Praxis stellen jedoch der Mangel an Informationen über die zeitvariierende Lastnachfrage der Kunden und die Muster des Energieverbrauchs sowie die Volatilität des Strompreises auf dem Großhandelsmarkt die Implementierung der dynamischen Preisgestaltung vor erhebliche Herausforderungen. In diesem Papier untersuchen wir ein Problem der dynamischen Preisgestaltung im System des smarten Stromnetzes, bei dem der Dienstanbieter den Strompreis auf dem Einzelhandelsmarkt festlegt. Um die Herausforderungen bei der Implementierung der dynamischen Preisgestaltung zu überwinden, entwickeln wir einen Algorithmus für das Verstärkungslernen. Um die Nachteile des herkömmlichen Verstärkungslern-Algorithmus, wie hohe Berechnungskomplexität und geringe Konvergenzgeschwindigkeit, zu beheben, schlagen wir eine angenäherte Zustandsdefinition vor und nutzen virtuelle Erfahrung. Numerische Ergebnisse zeigen, dass der vorgeschlagene Verstärkungslern-Algorithmus effektiv funktionieren kann, ohne dass vorab Informationen über die Systemdynamik erforderlich sind.