[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: صادق اعتماد ::
 | تاریخ ارسال: ۱۳۹۴/۶/۱۹ | 

 

 

AWT IMAGE

 

آقای صادق اعتماد  دانشجوی کارشناسی ارشد آقای دکتر ناصر مزینی روز دو شنبه 94/6/30ساعت 14:00در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان بکارگیری یادگیری تقویتی در مدیریت ریز شبکه های  هوشمند برق     دفاع خواهند نمود 

 

 

 

 

 

 

 

 

 

 

 چکیده

 

مفهوم شبکه هوشمند، با هدف رفع مشکلات شبکه­های برق فعلی و مدیریت بهتر و کارآمدتر سیستم قدرت مطرح شده است. شبکه­های هوشمند امکان پایش کامل و کنترل لحظه به لحظه تجهیزات را برای شرکت­های برق فراهم می­کنند. انتظار می­رود که ایجاد این شبکه­ها کنترل و بهره­برداری سیستم قدرت را بهبود ببخشد و امکان استفاده گسترده از تولیدات پراکنده را فراهم کند. انرژی فسیلی مهم­ترین منبع تامین انرژی بشر است. متناهی بودن این نوع انرژی و میزان بالای تولید آلاینده­های هوا از معایب استفاده از این نوع سوخت­ها می­باشد. در این راستا منابع انرژی تجدیدپذیر بسیار مورد توجه قرار گرفته­اند. انرژی­هایی چون خورشید، باد، جزر و مد و زیست توده از این دسته انرژی­ها محسوب می­شوند. به‌کارگیری انرژی­های­ تجدیدپذیر در تولید انرژی الکتریکی، تغییرات ناگهانی بار و وقوع خطا در خطوط انتقال انرژی، سبب افت ولتاژ سیستم و ایجاد چالش در قابلیت اطمینان سیستم می‌شود. یکی از راهکارها برای جبران طبیعت متغیر انرژی­های­تجدیدپذیر در مدت کوتاه، بدون نیاز به قطع بارها و یا روشن کردن واحدهای نیروگاهی دیگر، استفاده از ذخیره­سازهای­انرژی می­­باشد. استفاده از ذخیره­سازی­های­انرژی سبب بهبود پایداری الکتریکی، کیفیت توان و بهبود تامین توان بار اوج می شود.در این پژوهش روشی بهینه به منظور شارژ و دشارژ کردن باتری مصرف کننده به کمک یادگیری تقویتی ارائه داده­ایم. با استفاده از یادگیری AWT IMAGE ،که یکی از روش های یادگیری تقویتی می باشد، توانستیم عدم قطعیت تولید توان ناشی از طبیعت تصادفی انرژی­ بادی را بهبود ببخشیم. در واقع ذخیره ساز انرژی هوشمند با در نظر گرفتن میزان توان تولیدی منبع انرژی تجدیدپذیر، بار مصرف کننده و سطح شارژ باتری ؛ بر اساس تجاربی که بدست آورده است، به منظور مدیریت انرژی، اقدامی مناسب برای سه گام زمانی آینده صادر می­کند. نتایج شبیه­سازی نشان دهنده این است که نه تنها نرخ استفاده از انرژی­تجدیدپذیر و باتری در درون ریزشبکه افزایش یافته بلکه هزینه پرداختی سالانه به منظور خرید برق از شبکه خارجی نیز کاهش یافته است. همچنین از آنجایی که ما از روش AWT IMAGEحریصانه در سیاست انتخاب اعمال خود استفاده کرده­ایم سرعت همگرایی مقادیر AWT IMAGE به مقدار بهینه نهایی AWT IMAGE در جدول AWT IMAGE نسبت به روش­های موجود در این حوزه بهبود داده­ایم.

 

 

 

واژه‌های کلیدی: یادگیری تقویتی، ریزشبکه هوشمند، مدیریت، انرژی تجدیدپذیر، یادگیری AWT IMAGE 

 

 

 

 

 

 

 

Abstract:

  The concept of the smart grid, with the aim of eliminating the existing power network problems and manage better and more efficient power system has been proposed. Smart grid enables full control and monitoring equipment to electricity companies. It is expected that the creation of this network control and operation of the power system, improve and provide the possibility of widespread use of distributed generation. Fossil energy is the most important source of human energy. Finiteness of this type of energy and high levels of air pollution are the disadvantages of using this type of fuel. In this context, renewable energy sources have received much attention. Energy such as solar, wind, tidal and biomass energy are of this category. The use of renewable energy in power generation, sudden changes in load and fault in power transmission lines, causing a voltage drop in the system and challenge the reliability of the system. One way to compensate for the variable nature of renewable energy in the short term without the need to disconnect loads or turn on the other power plants; is use of energy storages. The use of energy storages improved electrical stability, power quality and peak load power.In this study, the optimal way to charge and discharge the battery consumption with reinforcement learning is presented. Using of Q learning, that is one of the reinforcement learning methods, could improve uncertainty of power generation that is because of the random nature of wind energy. In fact smart energy storage do efficient act for energy management based on its experiences in 3 step-ahead by taking the amount of renewable energy source power, load of consumer and state of battery charge. Simulation results show that not only the rate of using renewable energy and battery within the microgrid increased, but the cost of an annual payment in order to buy power from the external grid also declined. Furthermore, since we used e-greedy method in our action selection policy, convergence speed of Q to optimal Q* in Q table than exist methods in this context improved.

 

 

 

 

 

Keywords: Reinforcement Learning, Microgrid, Management, Renewable Energy, Q Learning 

  

 

  

صادق اعتماد

    رشته مهندسی کامپیوتر -هوش مصنوعی

  استاد راهنما:

  دکتر ناصر مزینی

  استاد داور داخلی:دکتر محمد رضا جاهد مطلق

  استاد داور خارجی : دکتر محمد صادق قاضی زاده

  تاریخ دفاع: دوشنبه  30شهریورماه 94

  زمان:ساعت 14:00

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

 
دفعات مشاهده: 2477 بار   |   دفعات چاپ: 408 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.206 seconds with 965 queries by yektaweb 3535