为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(...为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(Long Short Term Memory,LSTM)模块,用于从状态数据中挖掘更多的隐藏信息,丰富Q值表中的状态数据。最后,基于微观交通仿真软件SUMO(Simulation of Urban Mobility)的仿真测试结果表明,相较于原始Nash Q Learning交通信号控制方法,所提方法在低、中、高流量下车辆的平均等待时间分别减少了11.5%、16.2%和10.0%,平均排队长度分别减少了9.1%、8.2%和7.6%,平均停车次数分别减少了18.3%、16.1%和10.0%。结果证明了该算法具有更好的控制效果。展开更多
现有的分布式系统控制策略在控制分布式电源时,一般控制的是节点的电压参数。文中增加了对频率和功率的控制,这不仅能使得电网系统电压达到稳定,还能控制节点频率并分配DG之间的功率输出,使其平滑的切换至并网运行模式。该控制策略将多...现有的分布式系统控制策略在控制分布式电源时,一般控制的是节点的电压参数。文中增加了对频率和功率的控制,这不仅能使得电网系统电压达到稳定,还能控制节点频率并分配DG之间的功率输出,使其平滑的切换至并网运行模式。该控制策略将多智能体系统构建为3层:协调控制层、积分运算层和主控制层。在微网受到较大扰动时,网络中的各个DG通过邻节点信息和当前节点信息进行协调控制来决定其当前功率、电压及频率,以达到微网的稳定性要求。通过MATLAB/SIMULINK使用IEEE Standard 399-1997标准测试系统对5节点的微网系统进行了仿真实验,结果表明,通过分布式协调控制方法能够稳定微网的频率和电压,使分布式电源在微网中实现即插即用。展开更多
文摘为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(Long Short Term Memory,LSTM)模块,用于从状态数据中挖掘更多的隐藏信息,丰富Q值表中的状态数据。最后,基于微观交通仿真软件SUMO(Simulation of Urban Mobility)的仿真测试结果表明,相较于原始Nash Q Learning交通信号控制方法,所提方法在低、中、高流量下车辆的平均等待时间分别减少了11.5%、16.2%和10.0%,平均排队长度分别减少了9.1%、8.2%和7.6%,平均停车次数分别减少了18.3%、16.1%和10.0%。结果证明了该算法具有更好的控制效果。
文摘现有的分布式系统控制策略在控制分布式电源时,一般控制的是节点的电压参数。文中增加了对频率和功率的控制,这不仅能使得电网系统电压达到稳定,还能控制节点频率并分配DG之间的功率输出,使其平滑的切换至并网运行模式。该控制策略将多智能体系统构建为3层:协调控制层、积分运算层和主控制层。在微网受到较大扰动时,网络中的各个DG通过邻节点信息和当前节点信息进行协调控制来决定其当前功率、电压及频率,以达到微网的稳定性要求。通过MATLAB/SIMULINK使用IEEE Standard 399-1997标准测试系统对5节点的微网系统进行了仿真实验,结果表明,通过分布式协调控制方法能够稳定微网的频率和电压,使分布式电源在微网中实现即插即用。
