بهینهسازی الگوی تقاضای برق با استفاده از نظریه بازیها و یادگیری ماشینی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,310

This Paper With 15 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NSOECE01_015

تاریخ نمایه سازی: 1 مهر 1394

Abstract:

یکی از موانع اصلی پیش روی بهره برداری گسترده از منابع انرژی تجدیدپذیر در تولید برق، متغیر بودن الگوی تولید بسته به شرایط آب-وهوایی و همچنین عدم انطباق زمان های اوج تولید با زمان های اوج مصرف است. شبکه هوشمند برق با تامین امکان مدیریت تقاضا و همچنین تبادل اطلاعات میان توزیع کنندگان و مصرف کنندگان با استفاده از کنتورهای هوشمند متصل به شبکه های ارتباطی و اطلاعاتی، امکان حل یا کاهش این معضل را از طریق به کارگیری سازوکارهای تشویقی به منظور تغییر و اصلاح الگوی مصرف مصرف کنندگان در راستای انطباق بیشتر با الگوی تولید انرژی های تجدیدپذیر فراهم کرده است. در این پژوهش ابتدا شبکه عرضه و تقاضای برق کشور، با فرض پیاده سازی شبکه هوشمند برق در قالب یک بازی پی درپی، تصادفی و بیزی متشکل از یک توزیع کننده و تعداد نامحدودی مصرف کننده مدل سازی گردید. در این بازی توزیع کننده در ابتدای روز برآورد اولیه خود از قیمت برق در ساعات مختلف روز را به اطلاع مصرف کنندگان می رساند و در پایان روز با توجه به الگوی استفاده مصرف کنندگان قیمت نهایی را محاسبه می کند. در این قالب هم توزیع کننده و هم مصرف کنندگان دارای قابلیت یادگیری از اشتباهات گذشته هستند. توزیع کننده با استفاده از الگوریتم های یادگیری تقویتی و براساس اختلاف الگوی مصرف از الگوی مطلوب، نظام قیمت گذاری خود را اصلاح می کند. مصرف کنندگان نیز براساس تفاوت قیمت اولیه و قیمت نهایی، برآوردی از الگوی مصرف سایر مصرف کنندگان و قیمت نهایی برق در ساعات مختلف روز به دست آورده و بر اساس آن رفتار مصرفی خود را تعدیل می کنند. نتایج شبیه سازی های صورت گرفته براساس الگوهای واقعی مصرف برق کشور در سال 1392، نشان می دهد که اجرای این رویکرد در ابتدا و در طی فرآیند یادگیری بازیکنان موجب افزایشی اندک در اختلاف میان الگوی مطلوب و الگوی واقعی مصرف می شود. اما در بلندمدت و پس از طی فرآیند یادگیری، این اختلاف به میزان 17 درصد نسبت به وضع موجود کاهش خواهد یافت. از جمله مهم ترین مزایای روش پیشنهادی کاهش قابل توجه سربار اطلاعاتی و محاسباتی نسبت به رویکردهای صرفا مبتنی بر نظریه بازی ها است. به کارگیری این رویکرد می تواند علاوه بر امکان بهره برداری بیشتر از منابع تجدیدپذیر، به بهبود بهره وری تولید برق در نیروگاه های سوخت فسیلی موجود نیز کمک کند.

Authors

سهیل سعدی نژاد

عضو هیات علمی گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

کاوه خلیلی دامغانی

عضو هیات علمی دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران -جنوب، تهران

سعید رستگار

فارغالتحصیل کارشناسی ارشد مهندسی صنایع، سازمان مدیریت صنعتی، تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • DOE, "Smart Grid System Report, " U.S. Department of Energy, ...
  • C. R. Bayliss and B. J. Hardy, Transmission and Distribution ...
  • D. o. M. S. a. S. Grid, "FAHAM: The Green ...
  • TAVANIR, "Statistical Report on 45 Years of Activities of Iran ...
  • Statistics Agency of Iran, "Energy Productivity Time-series, " 2013. [Online]. ...
  • X. Fang, S. Misra, G. Xue and D. Yang, "Smart ...
  • P. Samadi, A. H. Moh senian-Rad, R. Schober, V. W. ...
  • A.-H. Mohs enian-Rad and A. Leon-Garcia, "Optimal Residential Load Control ...
  • A. Conejo, J. Morales and . Baringo, "Real-Time Demand Response ...
  • D. O'Neill and M Levorato, "Residential Demand Response Using Reinforcemet ...
  • L. in, Q. Xiaoning, Z. Chuanzhi and C. Weiwei, "Pricing ...
  • A.-H. Mohs enian-Rad, V. Wong, J. Jatskevich, R. Schober and ...
  • F. R. Yu, "A Game -Theoretical Scheme in the Smart ...
  • P. Samadi, H. Moh senian-Rad, R. Schober and V Wong, ...
  • _ Di Lecce, A. Quarto, A. Galiano, M. Dassisti and ...
  • نمایش کامل مراجع