HEAL DSpace

Έλεγχος συστήματος αποθήκευσης ενέργειας με χρήση μεθόδων ενισχυτικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Σταμούλης, Κωνσταντίνος el
dc.contributor.author Stamoulis, Konstantinos en
dc.date.accessioned 2022-04-05T10:14:13Z
dc.date.available 2022-04-05T10:14:13Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/55028
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.22726
dc.rights Default License
dc.subject Μηχανική μάθηση el
dc.subject Ενισχυτική μάθηση el
dc.subject Σύστημα αποθήκευσης ενέργειας el
dc.subject Αγορές ενέργειας el
dc.subject Αποθήκευση ηλεκτρικής ενέργειας el
dc.subject Reinforcement learning en
dc.subject Energy storage system en
dc.subject Energy markets en
dc.subject Imbalance price en
dc.subject Machine learning en
dc.title Έλεγχος συστήματος αποθήκευσης ενέργειας με χρήση μεθόδων ενισχυτικής μάθησης el
heal.type bachelorThesis
heal.classification Μηχανική Μάθηση el
heal.classification Αποθήκευση Ενέργειας el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2021-12-08
heal.abstract Η μεγάλη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας στις αγορές τα τελευταία χρόνια απαιτεί εξίσου μεγάλη ευελιξία από τα δίκτυα ενέργειας για να μπορέσουν να εξισορροπήσουν την αστάθεια και τους κινδύνους που προκαλούν σε αυτά. Η μεγάλη ευελιξία που παρέχουν τα Συστήματα Αποθήκευσης Ενέργειας (Energy Storage Systems), σε συνδυασμό με την συνεχή μείωση του κόστους κατασκευής τους, έχουν ευνοήσει την ενσωμάτωσή τους στα δίκτυα, με σκοπό την αντιμετώπιση αυτών των ανισορροπιών. Στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη, ο σχεδιασμός και η αξιολόγηση της απόδοσης μεθόδων Μηχανικής Μάθησης (Machine Learning) για έναν οικονομικά βέλτιστο έλεγχο ενός Συστήματος Αποθήκευσης Ενέργειας που συμμετέχει στην εξισορρόπηση της ηλεκτρικής ενέργειας σε ένα δίκτυο. Με την εφαρμογή των αλγορίθμων, λαμβάνονται υπόψη οι τιμές ανισορροπίας και μελετάται η ποσότητα ενέργειας που πρέπει να αποθηκεύσει στο σύστημα ο χειριστής, ή αντίστοιχα η ποσότητα που πρέπει να διοχετεύσει στο δίκτυο, με στόχο πάντα να μεγιστοποιήσει το τελικό κέρδος. Πιο συγκεκριμένα το πρόβλημα μοντελοποιήθηκε ως μια Μαρκοβιανή Διαδικασία Αποφάσεων (MDP) και αναπτύχθηκαν μέθοδοι Ενισχυτικής Μάθησης για τον έλεγχο του συστήματος. Από τα αποτελέσματα προκύπτει ότι η απόδοση που προσφέρουν είναι αρκετά υψηλότερη έναντι μιας κοινής προσέγγισης που θα μπορούσε να έχει το πρόβλημα. el
heal.advisorName Βαρβαρίγος, Εμμανουήλ el
heal.committeeMemberName Βαρβαρίγου, Θεοδώρα el
heal.committeeMemberName Αβραμόπουλος, Ηρακλής el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής el
heal.academicPublisherID ntua
heal.numberOfPages 67 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής