ببهینه سازی سود منابع انرژی پراکنده و مصرف کنندگان ریزشبکه هوشمند در حضور انرژی های تجدیدپذیر با استفاده از یادگیری تقویتی
محل انتشار: هفتمین کنفرانس بین المللی فناوری و مدیریت انرژی
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 463
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IEAC07_111
تاریخ نمایه سازی: 6 مهر 1400
چکیده مقاله:
این مقاله، یک سیستم مدیریت انرژی برای یک ریزشبکه هوشمند با استفاده از روش یادگیری تقویتی ارائه می گردد بطوری که سود منابع انرژی پراکنده بیشینه شود و هزینه مصرف کنندگان کمینه شود. ریزشبکه پیشنهادی متشکل از منابع انرژی تجدیدپذیر شامل توربین بادی و پنل های خورشیدی و منابع انرژی تجدیدناپذیر شامل ژنراتورهای دیزلی، سیستم ذخیره انرژی باتری و بارهای مصرفی است. فرض شده است این شبکه در مد متصل به شبکه اصلی کار می کند. منابع انرژی پراکنده و مشترکین برق به عنوان عامل های مستقل و هوشمند در نظر گرفته می شوند که دارای توانایی یادگیری هستند و می توانند با انتخاب تصمیمات درست سود خود را بیشینه کنند. عامل های یادگیری تقویتی با استفاده از بازخوردهای اعمال و تجربیات خود، سیاست بهینه را کشف می کنند.با توجه به خاصیت متغیربازمان خروجی منابع انرژی تجدیدپذیر و تصادفی بودن مقدار بار مصرفی، از پروسه های تصمیم گیری مارکوف برای مدل سازی رفتار تصادفی عامل ها در ریزشبکه استفاده میشود و سیاست بهینه عامل ها، توسط الگوریتم مستقل از مدل Q-learning بدست می آید. جهت ارزیابی روش پیشنهادی از داده های واقعی خروجی توربین بادی و پنل های خورشیدی استفاده می شود. شبیه سازی ها نشان می دهد روش پیشنهادی می تواند برای مدیریت انرژی زمان حقیقی ریزشبکه ها به کار گرفته شود.
کلیدواژه ها:
نویسندگان
راضیه دارشی
دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
سعید شمقدری
دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
علی اکبر جلالی
دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
حمیدرضا آراسته
گروه پژوهشی برنامه ریزی و بهره برداری سیستم های قدرت، پژوهشگاه نیرو، تهران، ایران