An optimization scheduling strategy for hydrogen-based integrated energy systems using multi-agent deep reinforcement learning
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti
Julkaisukanavan tiedot
Lehden/sarjan nimi
Energy conversion and management
ISSN-P (painettu)
0196-8904
ISSN-E (elektroninen)
1879-2227
ISSN-L (linking)
0196-8904
Kustantaja
Pergamon press
Julkaisun JUFO ID
55250
Julkaisun JUFO-taso
2
Julkaisu on FT-listalla
Ei
Julkaisun SNIP-taso
2.26
Julkaisumaa
Yhdistynyt kuningaskunta
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2025
Ilmoitusvuosi
2025
Lehden/sarjan volyymi
326
Artikkelinumero
119483
DOI
10.1016/j.enconman.2025.119483
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
213 Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Avainsanat
Integrated energy systems; Multi agent deep reinforcement learning; Hydrogen energy utilization; Optimal scheduling; Multi-objective optimization
Rahoittajatiedot
Rahoitustiedot julkaisussa
This work was supported by the National Natural Science Foundation of China under Grant 52407092, the Natural Science Foundation of Anhui Province under Grant 2108085UD05, the Fundamental Research Funds for the Central Universities of China under Grant JZ2024HGTA0181 and China Scholarship Council program (Project ID: 202306690082) .
Tutkimusaineistotiedot
Tutkimusaineistotiedot julkaisussa
Data will be made available on request.
Lähdetietokantojen tunnukset
WoS -tunniste
WOS:001412570900001
Scopus -tunniste
2-s2.0-85214288129