یادگیری تقویت عمیق چند عاملی برای تنظیم ولتاژ سیستم توزیع

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 50

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:

CEWCE01_120

تاریخ نمایه سازی: 8 خرداد 1404

چکیده مقاله:

در این مقاله یک رویکرد مبتنی بر یادگیری تقویت عمیق چند عاملی را با یک مدل توجه برای تنظیم ولتاژ سیستم توزیع با استفاده از اینورترهای فتوولتائیک پیشنهاد می دهد. فقط به اطلاعات محلی نیاز است و به استقرار وسایل ارتباطی پرهزینه نیازی نیست. این موضوع چارچوب کنترل متمرکز مبتنی بر یادگیری ماشینی را متمایز می کند که از نظر محاسباتی گران است. روش پیشنهادی مبتنی بر یادگیری تقویتی عمیق چند عاملی قادر به استخراج یک استراتژی کنترل هماهنگ بهینه از داده های تاریخی است. این اطلاعات تعبیه شده با تجربه عملیاتی گذشته می تواند به موقعیت هایی که به تازگی با آن مواجه شده اند، بدون حل مسئله بهینه سازی تعمیم یابد. روش تصمیم گیری شبیه به یادآوری تجربه کنترل گذشته از حافظه است که به آن اجازه می دهد به صورت آنلاین پیاده سازی شود. روش پیشنهادی کلی است و به راحتی می توان آن را به سیستم های فتوولتائیک، باد یا دیگر انواع سیستم های یکپارچه DGs تعمیم داد. کارهای آینده، گسترش رویکرد مبتنی بر یادگیری تقویت عمیق چند عاملی برای تنظیم ولتاژ در شبکه های توزیع ولتاژ پایین نامتعادل با انواع مختلف دستگاه های کنترلی خواهد بود.

نویسندگان

محمدرضا محمدیان آسیابر

گروه مهندسی برق / دانشکده مکاترونیک/ دانشگاه آزاد اسلامی واحد کرج ، کرج