Geri Dön

Makine öğrenmesi kullanılarak mikroşebekelerde talep tarafı yönetimine termal enerji depolamasının dahil edilmesi

Thermal energy storage integration into demand side management in microgrids by using machine learning

  1. Tez No: 749064
  2. Yazar: KARIM BIO GASSI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Tesisleri Bilim Dalı
  13. Sayfa Sayısı: 164

Özet

Bu tez, yenilenebilir kaynaklar ve enerji depolama cihazları ile mikro şebekeler için aktör-kritik ajan ile doğrusal programlama tabanlı miyop karar verme modelini birleştirmektedir. Aktör-kritik ajan, mikro şebeke enerji depolamasını, optimale yakın şarj/deşarj enerji kararlarını bir araya getirmektedir. Enerji depolama cihazlarıının bir sonraki adım zaman enerji seviyeleri hesaplanır ve doğrusal programlama tabanlı gerçek zamanlı optimizasyon modeline parametre olarak girilir. Bu parametreler mikro şebeke güç kaynakları, yük ve enerji depolama cihazları arasındakı optimal elektriksel ve termal güç akışını bularak mevcut işletme maliyetini en aza indirgemektedir. Mikro şebekenin altı stokastik parametresi, yani yenilenebilir enerji kaynakları güç üretimi, şebeke bağlantı durumu, şebeke enerji fiyatı, enerji depolama cihazlarının seviyeleri ile birleştirilmiş yükler, aktör-kritik ajan girişlerdir. 1) enerji yönetimi kararlarının arkasındaki mekanizmaları araştırmak; 2) daha iyi çevrimiçi performans için bir derin makine öğrenmesi entegre etmeye yönelik stratejileri belirlemek ve 3) karar verme modelinin performansına dayanmaya yol açan önemli parametrelerin bulunması için farklı öngörü tahmin ufkunda edilen çok parametreli doğrusal programlama tabanlı enerji yönetimi modelinin ön analizi gerçekleştirilmistir. Böylece, 1) mikro şebekelere entegre edilmiş yüksek yoğunluklu enerji ve güç kapasiteli ısı ve elektrik depolama sistemlerinin enerji maliyetini iyileştirebileceği; 2) enerji yönetim modelinin, bir yapay zeka ajanı ile birleştirerek, gereksiz tahminlerden kaçınmak için optimal tahmin ufkunun gerekli olabileceği; 3) optimal enerji depolama seviyesi bilgisini miyopik modele sağlayan yapay zeka ajanı ile miyopik enerji yönetim modelini birleştirmenin model performansını iyilestirebileceği ve 4) mikro şebeke ısı depolarının termal makinesini yüksek performans katsayısı ile çalıştırmanın, enerji yönetim sistemi performansını artırabilileceği bulunmuştur. Bu nedenle, güç sistemlerine yüksek sıcaklıkta ısı depolama entegrasyonu için indüksiyonlu ısıtma tabanlı bir termokimyasal reaktör modeli ve tasarımı önerilmiştir.

Özet (Çeviri)

The present thesis combines an actor-critic agent with a linear programming-based myopic decision-making model for microgrids with renewable sources and energy storages devices. The actor-critic agent makes the microgrid energy storage aggregated near-optimal charging/discharging energy decisions from a discrete action space. The next step time energy levels of the energy storages are then computed and provided to the linear programming-based real-time optimization model as parameters which optimally find the electrical and thermal power flow within the microgrid power sources, load and storages minimizing the microgrid current operating cost. Six stochastic parameters of the microgrid namely the renewable energy resources power generation, grid connection status, grid energy price, loads coupled with the energy storages energy levels are input to the actor-critic agent. A prior analysis of the linear programming-based energy management model with multi parameters forecasted at different prediction horizon has been carried to 1) investigate the mechanisms behind energy management decisions; 2) identify strategies for integrating a deep learning machine for better online performance and 3) find important parameters leading to withstand performance of the decision-making model. Hence it has been found that 1) high-density energy and power capacity heat and electrical storage systems integrated into microgrids could improve energy cost; 2) coupling the energy management model with an artificial intelligence agent providing at each iteration, the optimal prediction horizon could be necessary to avoid unnecessary forecasting; 3) coupling the myopic energy management model with an artificial intelligence agent providing the energy storage optimal next level information to the myopic model could improve the model performance and 4) operating the microgrid heat storages' thermal machine with improved coefficient of performance could enhance the energy management system performance. Thus, an induction heating based-thermochemical reactor model and its design have been proposed for high-temperature heat storage integration into power systems.

Benzer Tezler

  1. Mikro şebekelerde yük ve yenilenebilir enerji kaynakları tahminine dayalı ekonomik yük dağıtımı

    Economic load distribution based on load and renewable energy resources forecast in microgrids

    MEHMET DAYIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RIDVAN ÜNAL

  2. Energy demand forecasting in fog computing based microgrids using ensemble learning

    Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini

    TUĞÇE KESKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  3. Forecasting and reinforcement learning strategies for efficient energy exchange in peer-to-peer energy trading game among nano/microgrids: Empirical analysis

    Nano/mikro şebekelerde eşler arası enerji ticaret oyunundaki etkili enerji ticareti için tahmin ve pekiştirmeli öğrenme stratejileri: Ampirik analiz

    RABİA ŞEYMA GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    EnerjiOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEVGİ ÖZKAN YILDIRIM

  4. Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  5. Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi

    Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids

    ALPER YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKAY BAYRAK