مدیریت مصرف انرژی خانگی با استفاده از یادگیری تقویتی چندعاملی

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.

Keywords:

Home energy management , Reinforcement learning , Artificial intelligence , Demand response , مدیریت مصرف انرژی , یادگیری تقویتی , هوش مصنوعی , پاسخ گویی بار