基于模型强化学习的离网微电网终身控制Python源代码
离网微网的终身控制问题包括两个任务,即对微网设备的状态进行估计和通过预测未来消费量和可再生产量来考虑不确定性的运行规划。
有效控制的主要挑战来自于随时间发生的各种变化。
提出了一个用于农村电气化离网微电网建模的开源强化框架。
将孤立微电网的终身控制问题归结为马尔可夫决策过程。
我们对渐进式和突然性的变化进行分类。
提出了一种新的基于模型的强化学习算法,能够解决这两种类型的变化。
特别地,所提出的算法在快速变化的系统动态中表现出了泛化特性、传输能力和较好的鲁棒性。
将该算法与基于规则的策略和带有前瞻功能的模型预测控制器进行了比较。
YID:55200635880464002
# -*- coding: utf-8 -*-
"""Microgrid RL simulator - version 0.1
Microgrids simulator designed for RL
Usage:
microgridRLsimulator [options] <case>
where
<case> is the name of the JSON file describing the microgridRLsimulator itself, assumed to be in the examples/data folder. #TODO specify path?
Options:
-h Display this help.
-o PATH Output path.
--train_from_date DATETIME Start of training simulation datetime [Default: 2016-01-01T00:00:00].
--train_to_date DATETIME End of training simulation datetime [Default: 2016-01-02T00:00:00].
--test_from_date DATETIME Start of testing simulation datetime [Default: 2016-01-01T00:00:00].
--test_to_date DATETIME End of testing simulation datetime [Default: 2016-01-07T00:00:00].
--agent AGENT Type of agent to use for simulation (Idle, DQN, Random, Heuristic, Optimization, SL, DQN, MCTS) [Default: DQN].
--agent_options OPTIONS Path to Json with options for the selected agent [Default: agent_options.json].
--agent_file AGENT_FILE Path to a Python file of a custom agent. This parameter overrides --agent parameter when specified.
--rolling_strategy FLAG Flag that indicates if the rolling strategy is active. [Default: False].
--log_level LEVEL Set logging level (debug, info, warning, critical) [Default: info].
--log PATH Dump the log into a file
"""
import os
from microgridRLsimulator.agent.MCTSAgent import MCTSAgent
from microgridRLsimulator.agent.PPOAgent import PPOAgent
from microgridRLsimulator.agent.IdleAgent