دانلود ترجمه مقاله یادگیری تقویتی عمیق برای عوامل خودمختار در بازار مشتری محور برق

1. مقدمه 2. پیشینه 3. بیان ریاضی مسأله 4. نتایج و بحث و بررسی 5. نتیجه گیری و کار آینده

چکیده – بسیاری از مکانیسم های جدید بازار برق بواسطه توسعه انرژی توزیع شده، در حال ظهور هستند. بازار برق مشتری محور، که شامل مدل همتا به همتا (P2P) و بازار مبتنی بر جامعه می باشد، بیشتر مورد حوزه های دانشگاهی و صنعت قرار گرفته است. این مقاله از کیو یادگیری عمیق (DQN) برای عوامل خودمختار در بازار برق مشتری محور استفاده می کند. هم تبادلات اولویت بندی محلی و هم امکانات عمومی مشترک انرژی در نظر گرفته شده اند. ما یک مجموعه داده آزمایشی ایجاد کردیم و نتایج را در 5 سناریوی مختلف مقایسه کردیم. این مطالعه تأیید می کند که روش های داده-محور کاربردی می توانند به مشکل تصمیم گیری همتا به همتا (P2P) بپردازند و همچنین سودآوری کل جامعه را در بازار برق ارتقا دهند. علاوه بر این، همکاری چند عاملی با منابع عمومی مناسب تر از سایر شرایط هستند.

With the development of distributed energy, many novel electricity market mechanisms are emerging. The consumer-centric electricity market, which includes the peer-to-peer (P2P) model and the community-based market, arouses more attention in academia and industry area. This paper applies the Deep Q-Learning (DQN) for autonomous agents in the consumer-centric electricity market. Both the local energy priority transactions and public shared energy facilities are taking into consideration. We generated a test dataset and compared results in 5 different scenarios. This study verifies that the applied data-driven methods can handle the peer-to-peer (P2P) decision-making problem as well as promote the profitability of the whole community in the electricity market. Furthermore, multi-agent cooperation with public resources is more appropriate than other situations.