مدیریت مصرف انرژی خانگی با استفاده از یادگیری تقویتی چندعاملی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 192
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-12-1_006
تاریخ نمایه سازی: 29 آبان 1401
چکیده مقاله:
افزایش مصرف انرژی الکتریکی، مسئله ای است که همواره به عنوان یکی از چالش های تامین کنندگان برق مطرح بوده است. به دنبال افزایش مصرف، برنامه های پاسخ گویی بار که سعی در مدیریت مصرف انرژی با اهدافی نظیرکاهش هزینه ها و افزایش قابلیت اطمینان دارند، بیش از پیش مورد توجه قرار گرفته اند. از طرفی هوشمندسازی مصرف کنندگان، امکان بهره گیری هرچه بیشتر از هوش مصنوعی برای مدیریت انرژی را میسر ساخته است. این مقاله روشی برای مدیریت مصرف انرژی خانگی با هدف کمینه کردن قبض برق و نارضایتی مشترک ارائه می دهد. با تفکیک بارهای خانه به سه دسته بار های غیرقابل کنترل، قابل جابه جایی و قابل کنترل، یادگیری تقویتی چندعاملی با الگوریتم Q-Learning راهکاری است که در این مقاله برای اتخاذ تصمیمات بهینه درباره هریک از وسایل خانه در نظر گرفته شده است. به دلیل ماهیت الگوریتم Q-Learning، روش پیشنهادی در این مقاله برخلاف روش های برنامه ریزی عدد صحیح امکان افزودن وسایل بیشتری از خانه و حل مسئله های پیچیده تری را داراست. پیاده سازی روش پیشنهادی این مقاله در بخش مطالعه عددی منجر به کاهش قبض برق مشترک تا ۸/۲۴% گردید. همچنین، نتایج حاصل از اعمال روش ارائه شده حاکی از صحت عملکرد آن است.
کلیدواژه ها:
نویسندگان
علی فروتنی
School of Electrical and Computer Engineering, Shiraz University
محمد رستگار
School of Electrical and Computer Engineering, Shiraz University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :