ببهینه سازی سود منابع انرژی پراکنده و مصرف کنندگان ریزشبکه هوشمند در حضور انرژی های تجدیدپذیر با استفاده از یادگیری تقویتی

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 463

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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