Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18106
Τίτλος: | Μηχανική Μάθηση για Έξυπνα Δίκτυα Ενέργειας-Vehicle-to-Grid-Services |
Συγγραφείς: | Λουλάκης, Παναγιώτης Βαρβαρίγος Εμμανουήλ |
Λέξεις κλειδιά: | Κλιματική αλλαγή, Ανανεώσιμες πηγές ενέργειας, Ηλεκτρικά αυτοκίνητα, Φθορά μπαταρίας, Συστήματα ελεγχόμενης φόρτισης, Ενισχυτική μάθηση, Βαθιά Q-μάθηση, Ανεξάρτητη Q-μάθηση, Ελαφρύς κριτής ηθοποιός, Μαρκοβιανή διαδικασία απόφασης Climate change, Renewable energy sources, Battery Degradation, Controlled charging systems, Reinforcement learning, Deep Q network, Independent Q learning, Soft actor critic, Markovian Decision process |
Ημερομηνία έκδοσης: | 18-Οκτ-2021 |
Περίληψη: | Σκοπός αυτής της εργασίας είναι η μελέτη και σύγκριση μεθόδων τεχνητής νοημοσύνης σε δίκτυα ελεγχόμενης και αμφίδρομης φόρτισης ηλεκτρικών αυτοκινήτων. Συγκεκριμένα, θεωρήσαμε ένα μοντέλο σταθμού φόρτισης και parking ηλεκτρικών αυτοκινήτων το οποίο εφάρμοζε τεχνικές vehicle-to-grid. Στη συνέχεια δοκιμάσαμε τη χρήση διαφορετικών αλγορίθμων ενισχυτικής μάθησης από όλες τις κατηγορίες (διακριτούς, συνεχείς και πολυδιάστατους) τους οποίους συγκρίναμε τόσο με το χρηματικό κέρδος που αποδίδουν όσο και στην φθορά της μπαταρίας των αυτοκινήτων που προκαλούν. Η μελέτη αυτή έγινε σε μεταβλητά μεγέθη parking καθώς και σε διαφορετικές κατανομές άφιξης αυτοκινήτων. Τέλος όλα τα αποτελέσματα συγκρίθηκαν με μια παραδοσιακή πολιτική φόρτισης, η οποία δεν κάνει χρήση μεθόδων τεχνητής νοημοσύνης, και αποδείξαμε ότι η χρήση κατάλληλων αλγορίθμων μηχανικής μάθησης μπορεί να φέρει πολύ καλύτερα αποτελέσματα. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18106 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
Διπλωματική.pdf | 1.7 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.