استفاده از الگوریتم یادگیری تقویتی به منظور مدیریت انرژی در یک ریزشبکه ی مسکونی شامل خودروهای الکتریکی

کاهش منابع فسیلی و تغییرات جوی ناشی از مصرف منابع فسیلی، جوامع را به سمت اسـتفاده ی از منـابع انـرژی تجدیدپذیر سوق میدهد. به دلیل عدم تطابق زمانی میان تولید توان تجدیدپذیر و نیز تقاضای انرژی، ذخیره سازی انرژی امری اجتناب ناپذیر است. ریزشبکه های هوشمند بستری مناسب برای مدیریت تولید، مصرف و ذخیره سازی انرژی اند. باتری خودروهای الکتریکی میتواند به عنوان یک ظرفیت بالقوه ی ذخیـره سـازی در ریزشـبکه هـا بـه کار گرفته شود. در این تحقیق یک ریزشبکه ی مسکونی متصل به شبکه طراحی شده اسـت کـه اجـزای آن عبارتنـد از: خودروهای الکتریکی، باتری های ساکن، بار خانگی و صفحات خورشیدی. هدف تحقیـق ایـن اسـت کـه ریزشـبکه بیشترین فروش انرژی به شبکه ی سراسری و کمترین خریـد از آن را داشـته باشـد. بـدین منظـور، یـک الگـوریتم یادگیری تقویتی به همراه شبکه های عصبی عمیق بکار گرفته میشود. به منظور افزایش دقـت عملکـرد الگـوریتم، هر شبانه روز به 144گام زمانی تقسیم میشود و در هر گام مقـدار متغیرهـای تصـادفی بـرای 10دقیقـه ی آینـده پیش پینی میشوند. سپس اطلاعات مربوط به این پیشبینی ها، برای تصمیم گیری در مورد خرید و فروش انـرژی، در اختیار الگوریتم تقویتی قرار میگیرد. برای اعتبارسنجی مدل، از یک مجموعه داده شبه واقعی استفاده میشـود. بررسی نتایج نشان داد که استفاده از ظرفیت ذخیره سازی خودروهای الکتریکی منجر به کاهش چشمگیر مصـرف انرژی الکتریکی ریزشبکه میشود.

Keywords:

ریزشبکه , یادگیری تقویتی , خودروهایی الکتریکی , انرژی تجدیدپذیر , ذخیره سازی انرژی