برنامه‌ريزي بهره‌برداري ريزشبكه‌ها مبتني بر الگوريتم يادگيري تقويتي عميق

در اين مقاله، برنامه‌ريزي بهره‌برداري ريزشبكه‌ها مشتمل بر منابع توليد انرژي و سيستم‌هاي ذخيره انرژي مبتني بر يادگيري تقويتي عميق ارائه شده است. با توجه به خاصيت پويايي مسئله، ابتدا در قالب يك فرايند تصميم‌گيري ماركوف متشكل از چهارتايي (حالت، اقدام، تابع احتمال انتقال و پاداش) فرمول‌بندي شده است. سپس، الگوريتم گراديان استراتژي قطعي عميق به‌منظور يادگيري استراتژي بهينۀ برنامه‌ريزي بهره‌برداري ريزشبكه با هدف كمينه كردن هزينه‌هاي بهره‌برداري ارائه شده است. اين الگوريتم يك روش بي‌نياز از مدل، مستقل از استراتژي و بر مبناي معماري عامل -نقاد است كه مي‌تواند به‌خوبي فضاي حالت و اقدام مسئله را به‌صورت پيوسته مدل‌سازي و بر چالش بزرگ بودن ابعاد مسئله غلبه كند. به‌منظور ارزيابي الگوريتم ارائه‌شده، نتايج با الگوريتم يادگيري Q عميق و روش تحليلي مقايسه شد. نتايج حاصل از شبيه‌سازي، كارايي الگوريتم گراديان استراتژي قطعي عميق ارائه‌شده را از جهت همگرايي، زمان اجرا و هزينۀ كل نشان دادند.