Deep reinforcement learning for economic battery dispatch: A comprehensive comparison of algorithms and experiment design choices
Notice bibliographique
Résumé
Deep reinforcement learning (DRL) is an increasingly popular optimization tool for the economic dispatch of battery energy systems. However, it remains largely unclear which DRL models, experiment setups, and hyperparameters are most effective, due to contradictory results in the literature and a lack of thorough benchmarks. To address this, we compare popular DRL models and experimental design choices for battery dispatch tasks. We first formulate two battery dispatch tasks that reflect the cross section of existing approaches: energy arbitrage and load following combined with improved renewable energy utilization. We then benchmark four DRL models on case studies in Canada and Germany. Besides the choice of DRL model, we conduct a comprehensive comparison of these experiment design choices: continuous and discrete action spaces, time counters added to the state space (e.g. for the hour of the day), observation stacking, and reward function penalties. Our results show that time counters and observation stacking reliably improve DRL performance. For time counters, cyclic encodings through sine and cosine waves worked best, especially if multiple counters were combined. Reward penalties were less beneficial and barely increased rewards. Deep Q-Networks (DQN) outperformed the other DRL models and significantly benefited from the tested features, increasing rewards by 51% and 20% on the respective case studies. This research highlights the need to carefully choose DRL models, experiment design, and hyperparameters. Our comparative analysis provides a solid foundation for future research on DRL for battery dispatch. By building upon our findings, researchers and practitioners can streamline the experiment design process and obtain better outcomes. • Application of deep reinforcement learning to economic battery dispatch. • Tasks analyzed include energy arbitrage, load following, renewable energy control. • Benchmark of algorithms, deep Q-networks was found to perform best. • Cyclic encoded time features and observation stacking greatly increased rewards. • With the right setup, reinforcement learning can outperform oracles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».