مقاله کنفرانسی سال ۱۴۰۴ فارسی

ارائه یک روش ترکیبی مبتنی بر کنترل پیش بینی مدل و یادگیری تقویتی عمیق چند عاملی برای بهبود عملکرد ریزشبکه های مستقل در شرایط عادی و بحرانی

چکیده مقاله

ارتقای عملکرد ریزشبکه ها که شامل منابع انرژی متغیر و سیستم های ذخیره سازی انرژی هستند، یکی از چالش های اساسی آتی این واحدهای کوچک و خودکفا در شبکه های توزیع انرژی می باشد برای رسیدن به عملکرد مطلوب در این سیستم ها نیاز به روش های کنترلی و بهینه سازی است که بتواند به طور همزمان به مسائل مختلفی همچون هماهنگی منابع، انرژی بهینه سازی مصرف و حفظ پایداری سیستم بپردازد ریزشبکه های مدرن با وجود منابع تجدیدپذیر، ذخیره سازهای انرژی و بارهای متغیر با چالش هایی همچون نوسانات ولتاژ و فرکانس، عدم قطعیت تولید و نیاز به پاسخ دینامیکی سریع مواجه اند در این مقاله یک روش ترکیبی بهینه سازی مبتنی بر کنترل پیش بینی مدل MPC و یادگیری تقویتی عمیق چندعاملی MADRL برای بهبود عملکرد ریزشبکه های مستقل در شرایط عادی و بحرانی ارائه می شود MPC وظیفه پیش بینی کوتاه مدت و اعمال قیود عملیاتی را بر عهده دارد، در حالی که MADRL با یادگیری تجربی، سیاست های کنترلی را برای شرایط متغیر بهبود می بخشد مدل شبیه سازی چهار سناریو شامل، بارپذیری، حضور اغتشاشات، حالت جزیره ای و ترکیب شرایط بحرانی را مورد بررسی قرار خواهد داد شاخص های کلیدی نظیر پایداری ولتاژ، شاخص های خطا ISE و ITAE ، زمان نشست، فراجهش و بهره وری انرژی تحلیل می شوند نتایج نشان می دهد روش ترکیبی نسبت به کنترل صرف MPC یا روش های کلاسیک PI عملکرد بهتری دارد به گونه ای که شاخص پایداری ولتاژ به حدود ۹۸۸ می رسد، زمان نشست و فراجهش به میزان قابل توجهی کاهش می یابد و بازده انرژی در محدوده ۹۲ تا ۹۵ درصد تثبیت می شود همچنین منحنی های یادگیری MADRL بیانگر بهبود تدریجی سیاست های کنترلی در طول اپیزودهای آموزش می باشد در مجموع، ادغام MPC و MADRL علاوه بر تضمین قیود، انعطاف پذیری و پایداری سیستم را افزایش داده و رویکردی کارآمد برای مدیریت بهینه ریزشبکه های آینده ارائه می دهد

کلیدواژه‌ها

نویسندگان

تصویر حسین یوسفی دمسکی

حسین یوسفی دمسکی

دانشجوی کارشناسی ارشد مهندسی برق قدرت گروه مهندسی برق واحد تربت حیدریه دانشگاه آزاد اسلامی تربت حیدریه، ایران

تصویر حسین رضائی

حسین رضائی

استادیار، گروه مهندسی برق واحد تربت حیدریه دانشگاه آزاد اسلامی تربت حیدریه، ایران

شیوه ارجاع

یوسفی دمسکی، حسین و رضائی، حسین،1404،ارائه یک روش ترکیبی مبتنی بر کنترل پیش بینی مدل و یادگیری تقویتی عمیق چند عاملی برای بهبود عملکرد ریزشبکه های مستقل در شرایط عادی و بحرانی،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

پوستر مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۴۶۸ مشاهده

کنترل بهینه مبتنی بر پیشبین مدل (MPC) و شبکه عصبی مصنوعی (ANN) برای مبدل بازوی تناوبی (AAC) مورد استفاده در سیستم HVDC

این پژوهش به طراحی یک چارچوب کنترل پیشبین مدل MPC برای تنظیم جریان و ولتاژ در مبدل بازوی تناوبی AAC می پ…

مبدل بازوی تناوبیشبکه عصبی مصنوعیشبکه HVDC
مقاله کنفرانسی سال ۱۴۰۴ ۳۲۱ مشاهده

مروری تحلیلی بر روشهای تجمیع داده امن در شبکه های حسگر بیسیم چالشها رویکردها و مسیرهای آینده پژوهش

تجمیع داده در شبکه های حسگر بیسیم یکی از فرایندهای بنیادین برای بهبود کارایی ارتباطی، کاهش حجم داده های…

تجمیع دادهامنخوشه بندی
مقاله کنفرانسی سال ۱۴۰۴ ۲۳۸ مشاهده

بررسی کاربرد هوش مصنوعی در سازمان ثبت اسناد و املاک

هوش مصنوعی به عنوان یکی از مهم ترین ابزارهای فناورانه عصر حاضر توانسته است فرآیندهای پیچیده انسانی را با…

هوش مصنوعیتحول دیجیتالاتوماسیون اداری
مقاله کنفرانسی سال ۱۴۰۴ ۱۹۴ مشاهده

شبکه های عصبی و یادگیری عمیق در پردازش داده های ماهواره ای

رشد فزاینده حجم و پیچیدگی داده های ماهواره ای فرصت های بی سابقه و در عین حال چالش های تحلیلی قابل توجهی…

یادگیری عمیقطبقه بندیسنجش از دور
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۱ مشاهده

طراحی یک تقویت کننده کم نویز سه طبقه با روش استفاده مجدد از جریان و بهبود در عملکرد بهره و عدد نویز

این مقاله یک تقویت کننده کم نویز با بهبود عملکرد در عدد نویز و بهره با استفاده از سه ساختار استفاده مجدد…

عدد نویزبهرهطبقه آبشاری
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۰ مشاهده

مطالعه روشهای نوین هوش مصنوعی به منظور تشخیص خطا در سیستمهای قدرت

در سالهای اخیر تشخیص و پیشبینی خطاها در سیستمهای قدرت به یکی از چالشهای اصلی مهندسی برق تبدیل شده است در…

سیستمهای قدرتتشخیص خطایادگیری ماشین