یادگیری تقویت عمیق چند عاملی برای تنظیم ولتاژ سیستم توزیع

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.

کلیدواژه ها:

فتوولتائیک ، سیستم توزیع ، کنترل هماهنگ