Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
ﻣﺪﯾﺮﯾﺖ ﺍﻧﻌﻄﺎﻑ ﭘﺬﯾﺮﯼ ﻣﻨﺎﺑﻊ ﺍﻧﺮﮊﯼ ﭘﺮﺍﮐﻨﺪﻩ ﺩﺭ شبکه های ﺗﻮﺯﯾﻊ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺪﻝ ﻫﺎﯼ ﻫﻮﺵ مصنوعی
زارعی جلیانی، ﻣﺤﻤﺪ ﺭﺿﺎ Zarei Jeliani, Mohammad Reza

Cataloging brief

ﻣﺪﯾﺮﯾﺖ ﺍﻧﻌﻄﺎﻑ ﭘﺬﯾﺮﯼ ﻣﻨﺎﺑﻊ ﺍﻧﺮﮊﯼ ﭘﺮﺍﮐﻨﺪﻩ ﺩﺭ شبکه های ﺗﻮﺯﯾﻊ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺪﻝ ﻫﺎﯼ ﻫﻮﺵ مصنوعی
پدیدآور اصلی :   زارعی جلیانی، ﻣﺤﻤﺪ ﺭﺿﺎ Zarei Jeliani, Mohammad Reza
ناشر :   صنعتی شریف
سال انتشار  :   1404
موضوع ها :   یادگیری تقویتی عمیق Deep Reinforcement Learning منابع انرژی توزیع شده Distributed Energy...
شماره راهنما :   ‭05-58393

Find in content

sort by

Bookmark

  • مقدمه (12)
    • مروری بر روش‌های تخمین نیازمندی‌های انعطاف‌پذیری (13)
    • نقش منابع انرژی توزیع‌شده در ارتقاء انعطاف‌پذیری سیستم (15)
    • روش‌های بهینه‌سازی و هوش مصنوعی در مدیریت انرژی و انعطاف‌پذیری منابع توزیع‌شده (16)
    • شکاف پژوهشی و انگیزه تحقیق (17)
    • اهداف و نوآوری‌های پژوهش (19)
  • محاسبه نیازمندی انعطاف‌پذیری (20)
    • مقدمه (20)
    • روش پیشنهادی برای تعیین نیازمندی انعطاف‌پذیری شبکه با استفاده از هوش مصنوعی (23)
      • مقدمه‌ی روش پیشنهادی (23)
      • ساختار مدل هیبریدی شبکه عصبی پیچشی حافظه بلندمدت کوتاه‌مدت (23)
      • استفاده از رگرسیون کوانتایل (24)
      • محاسبه نیازمندی انعطاف‌پذیری (25)
      • مزایای روش پیشنهادی (26)
  • بیان مسئله و مدل‌سازی ریاضی (28)
    • مقدمه (28)
    • تعریف مسئله (29)
    • فرمول‌بندی ریاضی مسئله (30)
      • تابع هدف (30)
      • تعادل توان (30)
      • تعادل انعطاف‌پذیری (31)
      • به‌روزرسانی وضعیت شارژ خودروهای برقی (32)
      • انعطاف‌پذیری خودروهای برقی (33)
      • به‌روزرسانی وضعیت شارژ سیستم‌های ذخیره‌سازی انرژی (35)
      • انعطاف‌پذیری سیستم‌های ذخیره‌سازی انرژی (35)
      • محدودیت‌های عملیاتی تولیدات پراکنده (37)
      • انعطاف‌پذیری تولیدات پراکنده (37)
  • روش پیشنهادی (39)
    • چارچوب پیشنهادی مبتنی بر هوش مصنوعی برای مدیریت نیروگاه مجازی توزیع‌شده (39)
      • فرمول‌بندی فرایند تصمیم‌گیری مارکوفی (MDP) (41)
      • الگوریتم بهینه‌سازی سیاست مجاورتی (PPO) (45)
      • یادگیری انتقالی در یادگیری تقویتی (46)
      • الگوریتم سیاست مجاورتی چندعامله (MAPPO) با رویکرد آموزش متمرکز و اجرای غیرمتمرکز (CTDE) برای مدیریت هماهنگ ایستگاه شارژ خودروهای برقی و باتری (47)
      • الگوریتم پیشنهادی مبتنی بر سیاست مجاورتی چند عاملی (48)
  • شبیه‌سازی و ارائه‌ی نتایج (50)
    • نیازمندی‌های انعطاف‌پذیری در شبکه توزیع (51)
    • مدیریت انرژی و انعطاف‌پذیری (53)
      • آموزش تک‌عامله با استفاده از PPO (53)
      • آموزش چندعامله با استفاده از MAPPO (55)
      • تحلیل عملکرد سیستم در روز تست (56)
      • مقایسه سود و زمان محاسباتی (57)
  • نتیجه‌گیری و مسیرهای پژوهشی آینده (60)
    • نتیجه‌گیری (60)
    • مسیرهای پژوهشی آینده (61)
  • مراجع (63)
Loading...