به کارگیری الگوریتم یادگیری ماشین برای بهینه سازی تامین انرژی در نیروگاه های مجازی

در پژوهش حاضر، مسئله ی مشارکت بهینه ی واحدها در یک نیروگاه مجازی با ذخیره­ساز سمت تقاضا، جهت کاهش شکاف بین عرضه و تقاضای انرژی با رویکردهای MILP و یادگیری ماشین مطالعه شده است. نتایج برای سیستم ۲۴ - باسه استاندارد IEEE  نشان داده اند که گرچه استفاده از ذخیره­ساز سمت تقاضا باعث افزایش هزینه و نوسان تولید نیروگاه مجازی می­شود، اما هزینه­ها در نیروگاه مجازی با ذخیره­ساز سمت تقاضا حدود ۵/۱ برابر کمتر از هزینه­های شبکه ی سنتی بدون ذخیره­ساز است. برای حل مدل در ابعاد واقعی، از الگوریتم ترکیبی ELM-GA استفاده شده است، که پیشنهادی نزدیک به بهینه، اما با سرعت بسیار بالاتر از روش MILP ارائه می­کند؛ زیرا آموزش و یادگیری همگرایی به نقطه ی بهینه را سرعت می­ بخشد. نتایج نشان می­دهند که با افزایش ابعاد مسئله به ۶۰ واحد نیروگاهی، شکاف بهینگی به ۴/۴٪ رسیده است، در حالی که سرعت حل یادگیری ماشین ۱۶ برابر بهتر از MILP بوده است.

کلیدواژه ها:

نیروگاه مجازی ، مدیریت سمت تقاضا ، مسئله ی مشارکت واحدها ، برنامه ریزی خطی عدد صحیح ، یادگیری ماشین