基于深度强化学习的5G基站储能调度策略

为提高5G基站闲置储能的利用率,设计了一种5G基站储能参与电网调度的多基站储能系统,采用参与电网需求响应和低储高放的协同调度机制,建立了考虑过充过放惩罚和调度成本等多因素的多基站储能系统经济模型。以经济效益最大化为目标,提出了一种基于深度强化学习的5G基站储能充放电行为调控方法。该方法使用深度确定性策略梯度对系统环境信息进行学习,并对5G基站储能进行分组以降低学习维度。仿真结果表明,该方法能够保证5G基站储能单元后续可调容量,有效控制基站储能荷电状态变化范围,并最大化基站储能参与电网调度所得收益。

文本相似度计算的Simhash算法的实现与改进

在中文信息处理中,文本相似度的计算广泛应用于信息检索、机器翻译、自动问答系统、文本挖掘等领域,是一个非常基础而关键的问题,长期以来一直是人们研究的热点和难点。因此,文章的主要研究内容是如何用Simhash算法来实现对文本相似度的计算;进而在已实现的基础上,通过阅读大量相关文献,对该算法步骤中的加权部分做了改进;最后,通过对改进前后算法进行大量的实验数据对比分析,从而验证了改进后算法的有效性和合理性。