دوره 12، شماره 1 - ( 2-1401 )                   جلد 12 شماره 1 صفحات 75-64 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Forootani A, Rastegar M. Home Energy Management Using Multi-Agent Reinforcement Learning. JEM. 2022; 12 (1) :64-75
URL: http://energy.kashanu.ac.ir/article-1-1591-fa.html
فروتنی علی، رستگار محمد. مدیریت مصرف انرژی خانگی با استفاده از یادگیری تقویتی چندعاملی. مهندسی و مدیریت انرژی. 1401; 12 (1) :75-64

URL: http://energy.kashanu.ac.ir/article-1-1591-fa.html


دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
چکیده:   (1160 مشاهده)
افزایش مصرف انرژی الکتریکی، مسئله‌ای است که همواره به‌عنوان یکی از چالش‌های تأمین‌کنندگان برق مطرح بوده است. به‌دنبال افزایش مصرف، برنامه‌های پاسخ‌گویی بار که سعی در مدیریت مصرف انرژی با اهدافی نظیرکاهش هزینه‌ها و افزایش قابلیت اطمینان دارند، بیش از پیش مورد توجه قرار گرفته‌اند. از طرفی هوشمندسازی مصرف‌کنندگان، امکان بهره‌گیری هرچه بیشتر از هوش مصنوعی برای مدیریت انرژی را میسر ساخته است. این مقاله روشی برای مدیریت مصرف انرژی خانگی با هدف کمینه کردن قبض برق و نارضایتی مشترک ارائه می‌دهد. با تفکیک بارهای خانه به سه دسته بار‌های غیرقابل کنترل، قابل جابه‌جایی و قابل کنترل، یادگیری تقویتی چندعاملی با الگوریتم Q-Learning راهکاری است که در این مقاله برای اتخاذ تصمیمات بهینه دربارۀ هریک از وسایل خانه در نظر گرفته شده است. به‌دلیل ماهیت الگوریتم Q-Learning، روش پیشنهادی در این مقاله برخلاف روش‌های برنامه‌ریزی عدد صحیح امکان افزودن وسایل بیشتری از خانه و حل مسئله‌های پیچیده‌تری را داراست. پیاده‌سازی روش پیشنهادی این مقاله در بخش مطالعۀ عددی منجر به کاهش قبض برق مشترک تا 8/24% گردید. همچنین، نتایج حاصل از اعمال روش ارائه‌شده حاکی از صحت عملکرد آن است.
متن کامل [PDF 905 kb]   (367 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مهندسی برق
دریافت: 1399/11/13 | ویرایش نهایی: 1401/3/25 | پذیرش: 1400/9/24 | انتشار: 1401/2/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
  این مقاله تحت شرایط This work is licensed under a Creative Common International License. قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی و مدیریت انرژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Energy Engineering & Management

Designed & Developed by : Yektaweb