Κατανεμημένη ενισχυτική μάθηση για έλεγχο και διαχείριση ενέργειας απομακρυσμένων αυτόνομων φωτοβολταϊκών μικροδικτύων

Περίληψη

Στην παρούσα διδακτορική διατριβή, προτείνονται τρόποι προσέγγισης για την επίλυση του προβλήματος της διαχείρισης ενέργειας σε αυτόνομα φωτοβολταϊκά μικροδίκτυα. Στην αυτόνομη λειτουργία ενός μικροδικτύου, το κύριο ζήτημα που πρέπει να διασφαλιστεί είναι η παροχή της ηλεκτρικής ενέργειας. Στόχος είναι να διατηρηθεί, αν όχι να αυξηθεί, η αξιοπιστία του μικροδικτύου από τις αβεβαιότητες που εισάγουν οι ανανεώσιμες πηγές ενέργειας και η στοχαστική ζήτηση των καταναλωτών. Στη παρούσα διατριβή, προτείνεται ένας πράκτορας (agent) ενισχυτικής μάθησης για την λύση του προβλήματος της διαχείρισης ενέργειας σε αυτόνομο φωτοβολταϊκό μικροδίκτυο που αποτελείται από φωτοβολταϊκή πηγή, μπαταρία, δυναμικό φορτίο και μονάδα αφαλάτωσης. Ο πράκτορας ενσωματώνει στρατηγικές ενισχυτικής μάθησης και εξασφαλίζει τη δυνατότητα μάθησης αλληλεπιδρώντας με το περιβάλλον. Ο πράκτορας δεν περιορίζεται μόνο στη διαχείριση της μπαταρίας αλλά και στην μονάδα αφαλάτωσης, η οποία ικανοποιεί την ζήτηση των χρηστών σε ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This PhD dissertation proposes solutions in order to address the problem of energy management in islanded photovoltaic microgrids. In the islanded mode, the main issue that needs to be addressed, is the provision of electricity in order to maintain, if not increase, the reliability of the microgrid by the uncertainties which are introduced by the renewable energy sources and by the stochastic demand of the consumers. In this PhD dissertation, a reinforcement learning agent is proposed to solve the problem of energy management in an islanded photovoltaic microgrid consisting of a photovoltaic source, a battery, a dynamic load and a desalination unit. The agent is based on reinforcing learning and has the ability to learn strategies by interacting with the environment. The agent does not only manage the battery but also manages the desalination plant which satisfies the demand of the potable water. The simulations results present good performance in energy management but in some cases th ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/44107
ND
44107
Εναλλακτικός τίτλος
Distributed reinforcement learning for control and energy management of remote stand alone photovoltaic microgrids
Συγγραφέας
Κοφινάς, Παναγιώτης Ιωάννης
Ημερομηνία
2018
Ίδρυμα
Πανεπιστήμιο Πειραιώς. Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων
Εξεταστική επιτροπή
Βούρος Γεώργιος
Κάτσικας Σωκράτης
Ντούνης Αναστάσιος
Μαγκλογιάννης Ηλίας
Παπαδάκης Γεώργιος
Κολοκοτσά Διονυσία
Καλδέλλης Ιωάννης
Επιστημονικό πεδίο
Μηχανική & Τεχνολογία
Επιστήμες Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού & Μηχανικού Η/Υ
Λέξεις-κλειδιά
Ενισχυτική μάθηση; Διαχείριση ενέργειας; Φωτοβολταϊκό σύστημα; Μικροδίκτυα; Πολυπρακτορικά συστήματα; Ασαφής Q-μάθηση
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
239 σ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:Creative Commons Αναφορά Δημιουργού Μη εμπορική Χρήση Όχι Παράγωγα Έργα 3.0 Ελλάδα