به کارگیری رویکردهای داده محور در کنترل بهینه سازی و تصمیم گیری شبکه های توزیع فعال توان

این مقاله به بررسی حوزه رو به رشد الگوریتم های مبتنی بر داده و کاربرد آنها در حل مسائل پیچیده تر تصمیم گیری، بهینه سازی و کنترل در شبکه های توزیع فعال می پردازد. با خلاصه سازی طیف گسترده ای از موارد استفاده از جمله پیکربندی مجدد و بازیابی، شبکه اعزام تیم کنترل ولت وار، اعزام منابع انرژی توزیع شده و جریان توان، بهینه سازی بر تطبیق پذیری و پتانسیل رویکردهای مبتنی بر داده برای بهبود عملیات سیستم توزیع فعال تاکید می کنیم. دسته بندی این الگوریتم ها به چهار گروه اصلی – بهینه سازی ریاضی، یادگیری سرتاسری، بهینه سازی با کمک یادگیری و یادگیری آگاه از فیزیک – یک نمای کلی ساختاریافته از وضعیت فعلی تحقیقات در این زمینه ارائه می دهد. علاوه بر این، ما به استراتژی های الگوریتمی پیشرفته مانند روش های غیرمتمرکز، روش های مقاوم و تصادفی و یادگیری آنلاین می پردازیم که پیشرفت های قابل توجهی در رسیدگی به چالش های منحصر به فرد سیستم های توزیع فعال را نشان می دهند. بحث به نقش حیاتی مجموعه داده ها و سیستم های آزمایشی در تقویت یک محیط تحقیقاتی باز و مشارکتی که برای اعتبارسنجی و محک زنی راه حل های جدید مبتنی بر داده ضروری است گسترش می یابد. در پایان ما چالش های اصلی را که باید برای پر کردن شکاف بین تحقیقات نظری و پیاده سازی عملی برطرف شوند در کنار فرصت های پیش رو ترسیم می کنیم. این بینش ها با هدف هموار کردن راه برای توسعه شبکه های توزیع فعال انعطاف پذیرتر، کارآمدتر و سازگارتر، با بهره گیری از طیف کامل نوآوری های الگوریتمی مبتنی بر داده است.

کلیدواژه ها:

کنترل مبتنی بر داده ، تصمیم گیری ، شبکه های توزیع فعال ، بهینه سازی با کمک یادگیری ، یادگیری آگاه از فیزیک