研究人员开发了DR-Gym，这是一个开源的、兼容Gymnasium的环境，用于训练强化学习智能体以优化电力公司的需求响应计划。该模拟器通过创建一个真实的、市场层面的环境来解决离线数据限制的挑战，该环境捕捉了电力公司定价与客户适应之间的交互反馈。DR-Gym具有一个制度切换的批发价格模型、基于物理的建筑需求曲线以及一个可配置的多目标奖励函数，以支持电网灵活性和能源可负担性的多样化学习目标。 AI
影响 实现能源需求响应计划的AI驱动优化，有可能提高电网灵活性和消费者可负担性。
排序理由 发布了一篇介绍AI研究新模拟环境的学术论文。[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 →
