تنظیم جریان برق برای میکروگرید هوشمند | دانلود مقاله تخصصی | متن به فارسی | | متن به فارسی | ترجمه مقالات و متون علمی
light box
امتیاز 2.58 تنظیم جریان برق برای میکروگرید هوشمند مبتنی بر رایانش لبه">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 21
تعداد کلمات : 7500
مجله : Journal of Cloud Computing: Advances, Systems and Applications
انتشار : 2021
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:تنظیم جریان برق برای میکروگرید هوشمند مبتنی بر رایانش لبه و یادگیری تقویتی عمیق چند عاملی

 چکیده

  در شبکه‌های برق فعلی، حجم عظیمی از تجهیزات برق نیازمندی‌های نوظهور مختلفی را ایجاد می‌کنند، به عنوان مثال، ادراک داده، انتقال اطلاعات و کنترل بلادرنگ. الگوی محاسبات ابری موجود برای رسیدگی به مسائل و چالش‌هایی مانند واکنش سریع و استقلال محلی سرسخت است. ریزشبکه ها شامل اجزای مختلف قدرت و قابل تنظیم هستند که سیستم قدرت را پیچیده و بهینه سازی آن را دشوار می کند. روش‌های تنظیم سنتی موجود دستی و متمرکز هستند که نیاز به نیروی انسانی زیادی با تجربه متخصص دارد. روش تعدیل مبتنی بر هوش لبه می‌تواند به طور موثری از ظرفیت‌های محاسباتی فراگیر برای ارائه راه‌حل‌های هوشمند توزیع‌شده با بسیاری از مسائل تحقیقاتی استفاده کند. برای پرداختن به این چالش، ما یک چارچوب کنترل توان را در نظر می گیریم که محاسبات لبه و یادگیری تقویتی را ترکیب می کند، که از گره های لبه برای درک وضعیت شبکه و کنترل تجهیزات قدرت برای دستیابی به هدف پاسخ سریع و استقلال محلی استفاده کامل می کند. علاوه بر این، ما بر مشکل عدم همگرایی محاسبه جریان نیرو تمرکز می کنیم و یادگیری تقویت عمیق و روش های چند عاملی را برای تحقق تصمیمات هوشمند با طراحی مدلی مانند حالت، اقدام و پاداش ترکیب می کنیم. روش ما کارایی و مقیاس پذیری را در مقایسه با روش های پایه بهبود می بخشد. نتایج شبیه‌سازی اثربخشی روش ما را با تنظیم هوشمند و عملکرد پایدار در شرایط مختلف نشان می‌دهد(تنظیم جریان برق برای میکروگرید هوشمند).

Title: Power flow adjustment for smart microgrid based on edge computing and multi-agent deep reinforcement learning

Abstract

 In current power grids, a massive amount of power equipment raises various emerging requirements, e.g., data perception, information transmission, and real-time control. The existing cloud computing paradigm is stubborn to address issues and challenges such as rapid response and local autonomy. Microgrids contain diverse and adjustable power components, making the power system complex and difficult to optimize. The existing traditional adjusting methods are manual and centralized, which requires many human resources with expert experience. The adjustment method based on edge intelligence can effectively leverage ubiquitous computing capacities to provide distributed intelligent solutions with lots of research issues to be reckoned with. To address this challenge, we consider a power control framework combining edge computing and reinforcement learning, which makes full use of edge nodes to sense network state and control power equipment to achieve the goal of fast response and local autonomy. Additionally, we focus on the non-convergence problem of power flow calculation, and combine deep reinforcement learning and multi-agent methods to realize intelligent decisions, with designing the model such as state, action, and reward. Our method improves the efficiency and scalability compared with baseline methods. The simulation results demonstrate the effectiveness of our method with intelligent adjusting and stable operation under various conditions.

    دیدگاهها بسته است.

    محصولات مشابه
    ارزیابی اقتصادی آبیاری با آب شیرین شده دریا در تولید گوجه فرنگی گلخانه ای در جنوب اسپانیا
    خـریـد محـصـول
    نقش درمانی پپتیدهای ضد میکروبی در دیابت ملیتوس(شیرین)
    خـریـد محـصـول
    عوامل تعیین کننده حق الزحمه حسابرسی و نقش هیئت مدیره و ساختار مالکیت
    خـریـد محـصـول
    رشد جمعیت و بقایای حشره کش زنبورهای عسل در چشم انداز های کشاورزی گرمسیری
    خـریـد محـصـول
    اختلال کمبود توجه و بیش فعالی و اختلال دوقطبی: تشخیص، درمان
    خـریـد محـصـول
    ترانگزامیک اسید و عفونت مفاصل پری پروتز
    خـریـد محـصـول
    تشخیص عفونت اطراف پروتز
    خـریـد محـصـول
    بررسی پوشش آلبریچ برای بهینه‌سازی پنهان‌کاری صوتی(آکوستیک) زیردریایی‌ها
    خـریـد محـصـول
    کاربردهای هوش مصنوعی به عنوان یک روند مدرن برای دستیابی به نوآوری سازمانی
    خـریـد محـصـول
    رابطه بین اندازه شرکت و سودآوری با هموارسازی درآمد: شواهدی از شرکت‌های غذا و نوشیدنی
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا