بهینه سازی سود منابع انرژی پراکنده و مصرف¬کنندگان ریزشبکه هوشمند در حضور انرژی‌های تجدیدپذیر با استفاده از یادگیری تقویتی

راضیه دارشی¹ سعید شمقدری² علی اکبر جلالی³ حمیدرضا آراسته⁴

1) دانشجوی دکتری مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
2) عضو هیئت علمی دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران -
3) عضو هیئت علمی دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران -
4) عضو هیئت علمی گروه پژوهشی برنامه‌‎ریزی و بهره‌برداری در سیستم‌های قدرت -

کد IOI مقاله : XDFK-GZEHD
محل انتشار : هفتمین کنفرانس بین المللی فناوری و مدیریت انرژی (ieanc2021.ir)
چکیده :
    در این مقاله، یک سیستم مدیریت انرژی برای ریزشبکه¬ها با حضور منابع انرژی تجدیدپذیر با استفاده از روش یادگیری تقویتی ارائه می¬گردد. ریزشبکه پیشنهادی متشکل از منابع انرژی¬های تجدیدپذیر (شامل توربین بادی و پنل¬های خورشیدی) و منابع انرژی تجدیدناپذیر (ژنراتورهای دیزلی)، سیستم ذخیره انرژی باتری و بارهای مصرفی است. فرض شده است این شبکه در مد متصل به شبکه اصلی کار می¬کند. منابع انرژی‌پراکنده و مشترکین برق به عنوان یک عامل مستقل و هوشمند در نظر گرفته می¬شود که دارای توانایی یادگیری هستند و می‌توانند با انتخاب تصمیمات درست سود خود را بیشینه کنند. عامل¬های یادگیری تقویتی با استفاده از بازخوردهای اعمال و تجربیات خود، سیاست بهینه را کشف می¬کنند. با توجه به خاصیت متغیربازمان خروجی منابع انرژی تجدیدپذیر و تصادفی بودن مقدار بار مصرفی، از پروسه¬های تصمیم¬گیری مارکوف برای مدل‌سازی رفتار تصادفی عامل¬ها در ریزشبکه استفاده می¬شود و سیاست بهینه عامل¬ها، توسط الگوریتم مستقل از مدل Q-learning بدست می¬آید. جهت ارزیابی روش پیشنهادی از داده¬های واقعی خروجی توربین بادی و پنل¬های خورشیدی استفاده می¬شود. نشان داده می¬شود روش پیشنهادی می‌تواند برای مدیریت انرژی زمان‌حقیقی ریزشبکه‌ها به کار گرفته شود.

کلمات کلیدی : منابع انرژی تجدیدپذیر ریزشبکه سیستم مدیریت انرژی یادگیری تقویتی