بهینه سازی سود منابع انرژی پراکنده و مصرف کنندگان ریزشبکه هوشمند در حضور انرژی‌های تجدیدپذیر با استفاده از یادگیری تقویتی

در این مقاله، یک سیستم مدیریت انرژی برای ریزشبکه ها با حضور منابع انرژی تجدیدپذیر با استفاده از روش یادگیری تقویتی ارائه می گردد. ریزشبکه پیشنهادی متشکل از منابع انرژی های تجدیدپذیر (شامل توربین بادی و پنل های خورشیدی) و منابع انرژی تجدیدناپذیر (ژنراتورهای دیزلی)، سیستم ذخیره انرژی باتری و بارهای مصرفی است. فرض شده است این شبکه در مد متصل به شبکه اصلی کار می کند. منابع انرژی‌پراکنده و مشترکین برق به عنوان یک عامل مستقل و هوشمند در نظر گرفته می شود که دارای توانایی یادگیری هستند و می‌توانند با انتخاب تصمیمات درست سود خود را بیشینه کنند. عامل های یادگیری تقویتی با استفاده از بازخوردهای اعمال و تجربیات خود، سیاست بهینه را کشف می کنند. با توجه به خاصیت متغیربازمان خروجی منابع انرژی تجدیدپذیر و تصادفی بودن مقدار بار مصرفی، از پروسه های تصمیم گیری مارکوف برای مدل‌سازی رفتار تصادفی عامل ها در ریزشبکه استفاده می شود و سیاست بهینه عامل ها، توسط الگوریتم مستقل از مدل q learning بدست می آید. جهت ارزیابی روش پیشنهادی از داده های واقعی خروجی توربین بادی و پنل های خورشیدی استفاده می شود. نشان داده می شود روش پیشنهادی می‌تواند برای مدیریت انرژی زمان‌حقیقی ریزشبکه‌ها به کار گرفته شود.