Μηχανική Μάθηση για Έξυπνα Δίκτυα Ενέργειας-Vehicle-to-Grid-Services

Abstract

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.