arXiv · battery（eess.SY 系统与控制）· Kuanlin Chen·· 2026-09-20AI 评分32
基于代价感知强化学习与动作掩码投影的 BESS 调度：价差收窄市场下的 PPO 研究
Cost-Aware Reinforcement Learning with Action Masking and Projection for Battery Energy Storage Dispatch under Suppressed-Spread Market Shifts
模型导读
研究提出一种 PPO 控制器，将物理动作掩码与紧急投影同因果的预测经济建议分离，用于 BESS 调度。在 336 小时 T1、T2 窗口上，开启建议的净利润为 30.59 和 18.04 USD，低于 proxy-cost MPC 的 36.77 和 22.94 USD；建议使 T2 利润从 16.45 升至 18.04 USD 并降低吞吐量，T1 影响不显著。
来源：arXiv · battery（eess.SY 系统与控制） · arxiv.org