کنترل هماهنگ توان و بار در نیروگاههای سیکل ترکیبی با استفاده از یادگیری تقویتی

نیروگاه های سیکل ترکیبی یکی از منابع اصلی تولید برق در بسیاری از کشورها هستند که شامل واحدهای گازی و بخاری می باشند. این نیروگاه ها به دلیل ویژگی های دینامیکی متفاوت این دو نوع، واحد مشکلاتی در هماهنگی و کنترل توان و بار در شرایط متغیر بار شبکه دارند. این پروژه به منظور حل مشکل کنترل توان و بار به صورت هماهنگ بین واحدهای گازی و بخاری در نیروگاه های سیکل ترکیبی از یادگیری تقویتی (Reinforcement Learning) بهره می برد. هدف این تحقیق طراحی یک مدل یادگیری تقویتی است که بتواند به طور خودکار و پویا توان را بین این واحدها توزیع کرده و از نوسانات ولتاژ جلوگیری کند. در این پژوهش یک محیط شبیه سازی شده برای نیروگاه های سیکل ترکیبی ایجاد شده و الگوریتم های یادگیری تقویتی مانند Q-Learning و Deep Q-Network (DQN) برای بهینه سازی کنترل بار و توان به کار گرفته می شوند. نتایج نشان می دهد که الگوریتم های یادگیری تقویتی قادر به بهبود هماهنگی تولید برق، کاهش نوسانات ولتاژ و افزایش پایداری شبکه هستند. در شبیه سازی که در محیط متلب انجام شد، نوسانات ولتاژ کاهش یافته و فرکانس را در برابر تغییرات ناگهانی به طور سریع به حالت پایدار برگرداند. این نشان می دهد که الگوریتم یادگیری تقویتی، به ویژه در شرایط دینامیکی و پیچیده قادر است از نوسانات ناخواسته جلوگیری کند و عملکرد بهتری در حفظ پایداری شبکه ارائه دهد.

کلیدواژه ها:

تولید برق ، واحد گازی ، تولید برق ، هوش مصنوعی ، الگوریتم یادگیری عمیق ، واحد بخار