Σχεδιασμός ενός δίκαιου και κατανεμημένου σχήματος ελέγχου πολλαπλών μπαταριών σε πραγματικό χρόνο με χρήση ενισχυτικής μάθησης

Γκοτζιάς, Γεώργιος; Gkotzias, Georgios

dc.contributor.author	Γκοτζιάς, Γεώργιος	el
dc.contributor.author	Gkotzias, Georgios	en
dc.date.accessioned	2025-03-26T07:00:53Z
dc.date.available	2025-03-26T07:00:53Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61431
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29127
dc.rights	Default License
dc.subject	Smart grids	en
dc.subject	Battery Energy Storage Systems	en
dc.subject	Multi-agent Reinforcement Learning	en
dc.subject	Convex Optimization	en
dc.subject	Fairness criteria	en
dc.subject	Εξυπνα δίκτυα ενέργειας	el
dc.subject	Συστήµατα µπαταριών αποθήκευσης ενέργειας	el
dc.subject	Πολυ-πρακτορική ενισχυτική µάθηση	el
dc.subject	Κυρτή Βελτιστοποίηση	el
dc.subject	Κριτήρια ∆ικαιοσύνης	el
dc.title	Σχεδιασμός ενός δίκαιου και κατανεμημένου σχήματος ελέγχου πολλαπλών μπαταριών σε πραγματικό χρόνο με χρήση ενισχυτικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Βελτιστοποίηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-11
heal.abstract	Η ενσωµάτωση των ανανεώσιµων πηγών ενέργειας πραγµατοποιείται µε ϱαγδαίους ϱυθµούς τα τελευταία χρόνια. Όµως, η παραγωγή τους χαρακτηρίζεται από αβεβαιότητες και στοχαστικότητα, δυσχεραίνοντας τις προβλέψεις, µε αποτέλεσµα την ανάγκη για αυξηµένα αποθέµατα, τα οποία ωστόσο αυξάνουν τα λειτουργικά κόστη. Ως εναλλακτικός τρόπος αποθήκευσης ενέργειας προτείνεται η χρήση µπαταριών. Οι µπαταρίες µπορούν να αποθηκεύουν ή να προσφέρουν ενέργεια, ώστε να εξισορροπηθεί η προσφορά µε τη ζήτηση. ΄Ετσι, δηµιουργείται η ανάγκη για βέλτιστο έλεγχο τους. Λαµβάνοντας υπόψιν ότι κάθε µπαταρία έχει περιορισµούς για την ασφαλή λειτουργία της, καθώς και το συνολικό δίκτυο µπορεί να έχει στόχους σχετικά µε την αποθηκευµένη ενέργεια συγκεκριµένη χρονική στιγµή, το πρόβληµα του ελέγχου των πολλαπλών µπαταριών ανάγεται σε ένα πρόβληµα βελτιστοποίησης. Παραδοσιακά, τέτοια προβλήµατα επιλύονται βέλτιστα µε τη µέθοδο Model Predictive Control. Τα τελευταία χρόνια, η αυξανόµενη χρήση της µηχανικής µάθησης έχει οδηγήσει σε µεθόδους της να βρίσκουν εφαρµογές και στον βέλτιστο έλεγχο έξυπνων δικτύων. Συγκεκριµένα, η ενισχυτική µάθηση είναι το πεδίο της µηχανικής µάθησης που επιχειρεί να ανακαλύψει τη βέλτιστη πολιτική βάσει της αλληλεπίδρασης µε το περιβάλλον. Το γεγονός ότι λειτουργεί υπό στοχαστικότητα την καθιστά κατάλληλη για τέτοιες εφαρµογές, ενώ παρέχονται µέθοδοι που επιτρέπουν την κατανεµηµένη απόφαση κάθε µπαταρίας, έναντι κεντρικών αποφάσεων αυξάνοντας την ιδιωτικότητα. Σε κατανεµηµένα περιβάλλοντα εγείρονται ζητήµατα σχετικά µε τη δίκαιη χρήση των µπαταριών. Ενδεικτικά, µπορεί µία µπαταρία να µη χρησιµοποιείται, µε αποτέλεσµα οι υπόλοιπες να ϕορτίζουν ή ξεφορτίζουν περισσότερο από όσο θα χρειάζοταν. Στην παρούσα εργασία, προτείνονται µέθοδοι, σύµφωνα µε τις οποίες, ο βέλτιστος έλεγχος των µπαταριών µε χρήση του αλγορίθµου ενισχυτικής µάθησης πολλαπλών πρακτόρων MADDPG καταφέρνει να εκµάθει για κάθε µπαταρία µία πολιτική, η οποία ελαχιστοποιεί το κόστος του δικτύου, ενώ ταυτόχρονα επιτυγχάνει τη δίκαιη χρήση µεταξύ των µπαταριών. Συγκεκριµένα, εξετάζονται δύο τρόποι µε τους οποίους επιτυγχάνεται η δικαιοσύνη µεταξύ των µπαταριών, ενώ εξετάζεται και η πληροφορία που πρέπει να κοινοποείται από το δίκτυο µε σκοπό τον βέλτιστο έλεγχο.	el
heal.advisorName	Στάη, Ελένη	el
heal.committeeMemberName	Στάη, Ελένη	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Καρυώτης, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	129 σ.	el
heal.fullTextAvailability	false