Automatic generation control using deep reinforcement learning
Başlık çevirisi mevcut değil.
- Tez No: 667417
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde derin öğrenmeye dayalı derin pekiştirici öğrenme yöntemini kullanarak otomatik üretim kontrol sisteminin geliştirilmesi ve değerlendirilmesi. Bu araştırmanın, acil durum olaylarını değerlendirmek ve hafifletmek ve açık kaynak veri kümesinde mevcut güç sistemlerinin güvenilirliğini artırmak için bir yaklaşımla üretimi kontrol etmek için otomatik bir sistem kullanmak suretiyle elde edilen temel bulgular ve karşılık gelen iyileştirmeler. Beklenmediklik, derin takviye öğrenme modeli ve restorasyon modeli ile hızlı bir şekilde giderilebilen ve bu nedenle güç üretiminin yayılmasını sınırlandırabilen hatlardaki tüm üretim ve iletim hatalarının olduğu varsayımı ile yapıldı. Bununla birlikte, bu tür çalışmalar, güç sistemlerinin kademeli güç üretimi ile yaşayabileceği kararsızlık için kritik yük hatlarını veya duyarlı noktaları dikkate alır. Aynı açık kaynak veri kümesindeki diğer mevcut sistemlere kıyasla kaydedilen en yüksek doğruluk olan derin takviye öğrenimini kullanarak otomatik üretim kontrol sisteminin geliştirilmesi ve değerlendirilmesinde% 98.43'lük bir genel doğruluk elde ettik.
Özet (Çeviri)
In this paper, the use to develop and evaluate an automatic generation control system using deep learning based deep reinforcement learning method. The main findings and corresponding improvements made by this research assessing and mitigating contingency events and employing an automatic system for controlling the generation with an approach to increase reliability of power systems available in open-source dataset. The contingency was often made with an assumption that all generation and transmission faults in lines which could be cleared quickly by deep reinforcement learning model and restoration model and therefore limit the spread of power generation. However, this kind of work does consider critical load lines or susceptible points for instability that power systems could experience with cascading power generation. We achieved an overall accuracy of 98.43% in developing and evaluating the automatic generation control system using deep reinforcement learning, which is the highest recorded accuracy in comparison with other available system on same open source dataset.
Benzer Tezler
- Accelerated MRI sampling and reconstruction with reinforcement learning
Pekiştirmeli öğrenme ile hızlandırılmış MRG örnekleme ve geriçatımı
RURU XU
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. İLKAY ÖKSÜZ
- Kuantum hesaplama modellerinin derin öğrenme kullanılarak otomatik üretimi
Automated generation of quantum computing models using deep learning
NİYAZİ FURKAN BAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- A comparative study of nonlinear model predictive control and reinforcement learning for path tracking
Yol izleme için doğrusal olmayan model öngörülü kontrol ve pekiştirmeli öğrenmenin karşılaştırmalı çalışması
GAMZE TÜRKMEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Derin pekiştirmeli öğrenme yöntemi ile görüntü hash kodlarını oluşturma
Generating image hash codes with deep reinforcement learning method
ELİF AKKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Human-centric AI for floor plan generation: Combining GANs with RL for single storey house design
Kat planı oluşturmak ı̇çin ı̇nsan odaklı yapay zeka: Tek katlı ev tasarımında GAN'lar ile RL'nin kombinasyonu
MERTCAN GÜLDİLEK
Yüksek Lisans
İngilizce
2025
Mimarlıkİzmir Yüksek Teknoloji EnstitüsüMimarlık Ana Bilim Dalı
PROF. DR. MUSTAFA EMRE İLAL
DR. ÖĞR. ÜYESİ BERK EKİCİ