Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18212
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚωνσταντίνος, Σταμούλης-
dc.date.accessioned2021-12-13T11:18:22Z-
dc.date.available2021-12-13T11:18:22Z-
dc.date.issued2021-12-08-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18212-
dc.description.abstractΗ μεγάλη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας στις αγορές τα τελευταία χρόνια απαιτεί εξίσου μεγάλη ευελιξία από τα δίκτυα ενέργειας για να μπορέσουν να εξισορροπήσουν την αστάθεια και τους κινδύνους που προκαλούν σε αυτά. Η μεγάλη ευελιξία που παρέχουν τα Συστήματα Αποθήκευσης Ενέργειας (Energy Storage Systems), σε συνδυασμό με την συνεχή μείωση του κόστους κατασκευής τους, έχουν ευνοήσει την ενσωμάτωσή τους στα δίκτυα, με σκοπό την αντιμετώπιση αυτών των ανισορροπιών. Στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη, ο σχεδιασμός και η αξιολόγηση της απόδοσης μεθόδων Μηχανικής Μάθησης (Machine Learning) για έναν οικονομικά βέλτιστο έλεγχο ενός Συστήματος Αποθήκευσης Ενέργειας που συμμετέχει στην εξισορρόπηση της ηλεκτρικής ενέργειας σε ένα δίκτυο. Με την εφαρμογή των αλγορίθμων, λαμβάνονται υπόψη οι τιμές ανισορροπίας και μελετάται η ποσότητα ενέργειας που πρέπει να αποθηκεύσει στο σύστημα ο χειριστής, ή αντίστοιχα η ποσότητα που πρέπει να διοχετεύσει στο δίκτυο, με στόχο πάντα να μεγιστοποιήσει το τελικό κέρδος. Πιο συγκεκριμένα το πρόβλημα μοντελοποιήθηκε ως μια Μαρκοβιανή Διαδικασία Αποφάσεων (MDP) και αναπτύχθηκαν μέθοδοι Ενισχυτικής Μάθησης για τον έλεγχο του συστήματος. Από τα αποτελέσματα προκύπτει ότι η απόδοση που προσφέρουν είναι αρκετά υψηλότερη έναντι μιας κοινής προσέγγισης που θα μπορούσε να έχει το πρόβλημα.en_US
dc.languageelen_US
dc.subjectΜηχανική Μάθησηen_US
dc.subjectΕνισχυτική Μάθησηen_US
dc.subjectΣύστημα Αποθήκευσης Ενέργειαςen_US
dc.subjectΑνισορροπίαen_US
dc.subjectΑγορές Ενέργειαςen_US
dc.subjectΑποθήκευση Ηλεκτρικής Ενέργειαςen_US
dc.subjectReinforcement Learningen_US
dc.subjectEnergy Storage Systemen_US
dc.subjectEnergy Marketsen_US
dc.subjectImbalance Priceen_US
dc.subjectMachine Learningen_US
dc.titleΈλεγχος Συστήματος Αποθήκευσης Ενέργειας με χρήση Μεθόδων Ενισχυτικής Μάθησηςen_US
dc.description.pages67en_US
dc.contributor.supervisorΒαρβαρίγος Εμμανουήλen_US
dc.departmentΤομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικήςen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Τhesis.pdf1.46 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.