A Multi-Agent Reinforcement Learning Approach to Short-Term Hydropower Scheduling

Yoan Villeneuve, Sara Séguin, Kenjy Demeester, Miguel F. Anjos

Communication écrite (2026)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

Département:
Département de mathématiques et de génie industriel
ISBN:
9798319535542
Adresse URL de PolyPublie:
https://publications.polymtl.ca/83352/
Nom de la conférence:
22nd International Conference on the European Energy Market (EEM 2026)
Lieu de la conférence:
Trondheim, Norway
Date(s) de la conférence:
2026-06-22 - 2026-06-24
Maison d'édition:
Institute of Electrical and Electronics Engineers
DOI:
10.1109/eem68581.2026.11589871
URL officielle:
https://doi.org/10.1109/eem68581.2026.11589871
OAI:
oai:publications.polymtl.ca:83352
ORCID
Yoan Villeneuve (iD)0009-0004-8693-2921 (Non authentifié)
Sara Séguin (iD)0000-0002-1097-826X (Non authentifié)
Miguel F. Anjos (iD)0000-0002-8258-9116 (Non authentifié)
Date du dépôt:
06 nov. 2026 14:28
Dernière modification:
06 nov. 2026 14:28
Citer en APA 7:
Villeneuve, Y., Séguin, S., Demeester, K., & Anjos, M. F. (juin 2026). A Multi-Agent Reinforcement Learning Approach to Short-Term Hydropower Scheduling [Communication écrite]. 22nd International Conference on the European Energy Market (EEM 2026), Trondheim, Norway (6 pages). https://doi.org/10.1109/eem68581.2026.11589871

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document