Beigi A, Akbarian A. Profit increasing in smart grid market via actor-critic reinforcement learning. Journal of Iranian Association of Electrical and Electronics Engineers 2022; 19 (1) :245-258
URL:
http://jiaeee.com/article-1-1075-fa.html
بیگی اکرم، اکبریان امین. افزایش سودآوری بازار شبکه های هوشمند برق با تکنیک یادگیری تقویتی عملگر ـ نقاد. نشریه مهندسی برق و الکترونیک ایران. 1401; 19 (1) :245-258
URL: http://jiaeee.com/article-1-1075-fa.html
دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی
چکیده: (1671 مشاهده)
بازار شبکههای هوشمند برق پیچیده و پویاست. کارگزاران که واسطهگران فروش برق بین خردهفروشیها و عمدهفروشیها هستند بهصورت گستردهای در بازارهای جدید شبکههای هوشمند به کار گرفته میشوند. بهعلت پیچیدگی و توزیعشدگی ذاتی بازار در شبکههای هوشمند رویکردهای استفاده از سیستمهای چندعامله برای حل مسائل آن مناسب است. در این رویکردها میتوانیم عاملهای خودمختاری داشته باشیم که بهصورت بیست و چهار ساعته درحال تبادل اطلاعات با دیگر عاملها هستند. این عاملها با چالش های اساسی شامل الگوی مصرف متنوع مشتریان، تغییر قیمت با توجه به الگوی مصرف مشتریان و میزان مصرف برق در طول شبانه روز مواجهاند. هدف ما در این مقاله این است که ضمن مدل کردن اجزای بازار برق با سیستمهای چندعامله، با ارائه روشی مبتنی بر یادگیری عاملها سودآوری در بازار شبکه های برق را افزایش دهیم. در روش پیشنهادی ابتدا مساله تنوع مصرف مشتریان را با انجام یک روش خوشهبندی متوالی مناسب دادههای سری زمانی پردازش میکنیم. سپس برای هر گروه خوشهبندی شده به صورت مجزا یک روش یادگیری تقویتی سیاست فعال با عنوان یادگیری تقویتی عملگر- نقاد به کار میبریم. درنهایت تاثیر تغییر پاداش را در سود حاصله ارزیابی میکنیم و برای هر خوشه تعرفهای مطابق با زمان مصرف مربوطه به صورت ساعتی ارائه میدهیم.
نوع مقاله:
پژوهشي |
موضوع مقاله:
قدرت دریافت: 1398/11/14 | پذیرش: 1399/11/5 | انتشار: 1401/1/25