研究人员开发了 DR-Gym，这是一个开源的、与 Gymnasium 兼容的环境，旨在从电力公司的角度训练和评估需求响应计划。该模拟器通过捕捉电力公司定价信号与客户适应之间的动态反馈循环，解决了离线历史数据的局限性。它采用了一个基于真实世界极端事件和基于物理学的建筑需求剖面的状态切换批发价格模型，并利用了一个可配置的多目标奖励函数来指定不同的学习目标。该环境旨在通过优化需求响应策略来提高电网的灵活性和能源的可负担性。 AI
影响 该工具可以实现更有效的人工智能驱动的需求响应计划，有可能带来更大的电网稳定性和更低的消费者能源成本。
排序理由 该集群描述了一个用于训练人工智能模型的新开源环境，详细介绍在一篇 arXiv 论文中。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
