An Optimal Scheduling Framework for Integrated Energy Systems Using Deep Reinforcement Learning and Deep Learning Prediction Models

Hyväksytty

Luokittelutiedot

OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti

Julkaisun tekijät

Tekijöiden lukumäärä
4
Tekijät
Zhang, Lei; He, Ye; Wu, Hongbin; Hatziargyriou, Nikos D.
Paikalliset tekijät
Tekijä
Chatziargyriou, Nikolaos

Julkaisukanavan tiedot

Lehden/sarjan nimi
IEEE transactions on smart grid
ISSN-P (painettu)
1949-3053
ISSN-E (elektroninen)
1949-3061
ISSN-L (linking)
1949-3053
Kustantaja
IEEE
Julkaisun JUFO ID
57578
Julkaisun JUFO-taso
3
Julkaisu on FT-listalla
Ei
Julkaisun SNIP-taso
3.02
Julkaisumaa
Yhdysvallat (USA)
Kansainvälisyys
Kyllä

Julkaisun tarkemmat tiedot

Julkaisuvuosi
2025
Ilmoitusvuosi
2025
Lehden/sarjan volyymi
16
Lehden/sarjan numero
6
Sivunumerot
4620-4634
DOI
10.1109/TSG.2025.3599511
Julkaisukieli
englanti

Yhteisjulkaisutiedot

Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei

Saatavuustiedot

Luokitukset ja lisätiedot

OKM-tieteenalaluokitus
213 Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Avainsanat
Predictive models; Optimal scheduling; Biological system modeling; Optimization; Transformers; Mathematical models; Analytical models; Uncertainty; Training; Feature extraction; Integrated energy system; deep learning prediction; deep reinforcement learning; optimal scheduling; Gaussian process regression

Rahoittajatiedot

Rahoitustiedot julkaisussa
This work was supported in part by the National NaturalScience Foundation of China under Grant 52407092; in part by the Natural Science Foundation of Anhui Province under Grant 2108085UD05; andin part by the Fundamental Research Funds for the Central Universities of China under Grant JZ2024HGTA0181.

Lähdetietokantojen tunnukset

WoS -tunniste
WOS:001600776400022
Scopus -tunniste
2-s2.0-105013772692