عنوان فارسی مقاله : پخش بار اقتصادی در ریزشبکه‌ها براساس یادگیری تقویتی مشارکتی
.
English Article Title: Distributed Economic Dispatch in Microgrids Based on Cooperative Reinforcement Learning
Year: 2018
Publisher: IEEE
Journal: IEEE Transactions on Neural Networks and Learning Systems
DOI: https://doi.org/10.1109/TNNLS.2018.2801880

Keywords:
#Cooperative_reinforcement_learning
#diffusion_strategy
#distributed_economic_dispatch
#energy_storage (#ES)
#function_approximation
#microgrids
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
#یادگیری_تقویتی_مشارکتی
#استراتژی_نفوذ
#بخش_بار_اقتصادی_پراکنده
#ذخیره_انرژی
#تقریب_تابع
#ریزشبکه‌ها

چکیده مقاله: ریزشبکه‌هایی که با واحدهای تولید پراکنده (DG) و ابزارهای ذخیره‌سازی انرژی (ES) جای داده می‌شوند، نقش مهمی در سیستم‌های توان آینده دارند. تاکنون، دستیابی به پخش بار اقتصادی کارآمد در ریزشبکه‌ها، موضوعی چالش برانگیز بوده است که به علت تصادفی بودن و ویژگی‌های غیرخطی واحدهای DG و بارها می‌باشد. این مقاله، الگوریتم یادگیری تقویتی مشارکتی را برای پخش بار اقتصادی در ریزشبکه‌ها را پیشنهاد می‌دهد. استفاده از الگوریتم یادگیری از دشواری مدلسازی اتفاقی و پیچیدگی بالا محاسباتی جلوگیری می‌کند. در الگوریتم یادگیری تقویتی مشارکتیف تقریب عملکرد به منظور سروکار داشتن با فضای حالت پیوسته و بزرگ اهرم‌بندی می‌شود. استراتژی نفوذ جهت ایجاد هماهنگی با عملکرد واحدهای DG و ابزارهای ES بکار برده می‌شود. براساس الگوریتم پیشنهادی، هر گرهی در ریزشبکه‌ها نیاز به مخابره با همسایه‌های محلی خویش دارد بدون اینکه بر کنترل‌کننده‌های متمرکز تکیه نماید. همگرایی الگوریتم مورد تحلیل واقع می‌شود و شبیه‌سازها براساس داده‌های هواسنجی دنیای واقعی و داده‌های بار اجرا می‌شود تا عملکرد الگوریتم پیشنهادی را ارزیابی نماید.
کلمات کلیدی: یادگیری تقویتی مشارکتی، استراتژی نفوذ، بخش بار اقتصادی پراکنده، ذخیره انرژی (ES)، تقریب تابع، ریزشبکه‌ها

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2xOkoPx