深度强化学习助力微能源网能量优化

本项目探索利用深度强化学习技术，实现微能源网的智能能量管理与优化。核心算法采用深度Q网络（DQN），通过学习预测负荷、可再生能源出力和分时电价等信息，自主制定能源管理策略。

环境模型

代码中的 NetEnvironment 类构建了能源系统的环境模型，包含：

  • 系统参数：联供发电效率、余热回收效率、换热效率等
  • 系统变量：光伏出力、风电出力、电/热/冷负荷、电价等
  • 交互变量：联合发电单元功率、电网交换功率、蓄电池充放电功率等

reset 函数用于重置环境状态，为智能体学习和决策提供初始环境信息。

智能体模型

（此处应补充智能体模型的代码说明，包括 DQN 网络结构、训练过程等）

通过深度强化学习，智能体能够根据环境状态，自主做出决策，实现微能源网的经济高效运行。