تخمين دیماند توان مصرف کننده‌های خانگی با بهره‌گیری از روش یادگیری ماشین یادگیری چند عاملی

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: تخمين دیماند توان مصرف کننده‌های خانگی با بهره‌گیری از روش یادگیری ماشین یادگیری چند عاملی

ارائه دهنده: Provider: مرتضی عبدالسلام محمود - مهندسی برق

اساتید راهنما: Supervisors: دکتر محمدمهدی شهبازی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر علیرضا حاتمی خانم دکتر راضیه ترکمنی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 12 - 1405/6/7

مکان ارائه: Place of presentation: 33

چکیده: Abstract: شبکه‌های توزیع برق مدرن به سمت ساختار هوشمند و فعال در حال حرکت هستند زیرا مدیریت سمت تقاضا در بخش مسکونی به دلیل نوسان زیاد بارها و تعداد زیاد مصرف‌کنندگان چالش‌های فنی مانند افت ولتاژ و افزایش تلفات ایجاد کرده است. روش‌های کنترل متمرکز سنتی به دلیل پیچیدگی محاسباتی، تأخیر ارتباطی و نگرانی‌های حریم خصوصی برای مدیریت میلیون‌ها مصرف‌کننده مناسب نیستند. از این رو روش های مدیریتی چارچوب غیرمتمرکز مبتنی بر پیش‌بینی بار با یادگیری ماشین و کنترل با یادگیری تقویتی چندعاملی (MARL) برای مدیریت پاسخگویی بار و بهبود عملکرد شبکه مورد توجه قرار گرفته اند. اما این روش ها اغلب دقت پایینی داشته و به مساله تفکیک وظیفه پیش بینی بار از مدیریت بار توجهی نکرده اند. در این تحقیق برای پرکردن شکاف های گذشته یک روش تخمین دیماند توان مصرف کننده های خانگی با بهره گیری از روش یادگیری ماشین چند عاملی ارائه شده است. در روش پیشنهادی از یک حافظه کوتاه مدت بلند مدت (LSTM) برای پیش بینی بار و از MARL برای تصمیم گیری و کنترل عملیاتی شبکه استفاده می شود. نتایج شبیه‌سازی روش پیشنهادی نشان میدهد مدل LSTM با خطای RMSE=0.612 پیش بینی بار را با دقت خوبی انجام میدهد. همچنین نتایج نشان می دهد استفاده از مدل تصمیم گیری MARL مبتنی بر پیش بینی بار با LSTM؛ در مقایسه با روش‌های سنتی RL به نتایج ارزشمند کاهش میزان تلفات شبکه، بهبود پروفیل و کاهش هزینه عملیاتی دست می یابد.