Τεχνικές Βαθιάς Ενισχυτικής Μάθησης σε Πολυπρακτορικά Συστήματα για Παροχή Υπηρεσιών Ευελιξίας στο πλαίσιο Τοπικών Ενεργειακών Κοινοτήτων
Διπλωματική Εργασία
| Επιβλέπων | Εμμανουήλ Βαρβαρίγος |
|---|---|
| Συσχετιζόμενο μάθημα | Δίκτυα Επικοινωνιών |
Περιγραφή
Keywords: multi-agent deep reinforcement learning, distributed energy resources, local energy community, flexibility services
Οι τοπικές ενεργειακές αγορές έχουν προσελκύσει μεγάλο ενδιαφέρον σα λύση για το δύσκολο πρόβλημα της διαχείρισης μονάδων διεσπαρμένης παραγωγής ενέργειας. Ωστόσο, είναι ανοιχτό πρόβλημα το πως η τοπική αυτή αγορά θα μπορεί αφενός να επιτρέπει στους prosumers να ανταλλάσσουν ενέργεια μεταξύ τους και αφετέρου να προσφέρουν υπηρεσίες ευελιξίας στους διαχειριστές συστήματος.
Στην παρούσα διπλωματική θα χρησιμοποιηθούν από τη μια τεχνικές μαθηματικής βελτιστοποίησης (model-based system-centric approach) σα σημείο αναφοράς και από την άλλη τεχνικές βαθιάς ενισχυτικής μάθησης (model-free prosumer-centric approach) με σκοπό τη λήψη αποφάσεων των prosumers υπό αβεβαιότητα.
Ο/Η φοιτητής/τρια καλείται να αποκτήσει γνώσεις μοντελοποίησης και μαθηματικού προγραμματισμού των ενεργειακών συστημάτων και να τις συνδυάσει με σύγχρονες αλγοριθμικές τεχνικές βαθιάς ενισχυτικής μάθησης, αποβλέποντας στην απόκτηση ενός skillset που θα του/της επιτρέψει να διεκδικήσει μία σταδιοδρομία στην καρδιά των σημαντικότερων τεχνολογικών εξελίξεων.
Σχετική βιβλιογραφία:
- Ye, Y., Papadaskalopoulos, D., Yuan, Q., Tang, Y., & Strbac, G. (2022). Multi-Agent Deep Reinforcement Learning for Coordinated Energy Trading and Flexibility Services Provision in Local Electricity Markets. IEEE Transactions on Smart Grid.
- Ye, Y., Tang, Y., Wang, H., Zhang, X. P., & Strbac, G. (2021). A scalable privacy-preserving multi-agent deep reinforcement learning approach for large-scale peer-to-peer transactive energy trading. IEEE__Transactions__on__Smart__Grid, 12(6), 5185-5200.
Εργαλεία που θα χρησιμοποιηθούν: μαθηματική μοντελοποίηση ενεργειακών συστημάτων, μαθηματικός προγραμματισμός και βαθιά μάθηση σε Python και συγγραφή επιστημονικού κειμένου σε Latex