Agentno vodenje prilagodljivih odjemalcev v distribucijskem sistemuJERIHA, JAN (Avtor) Gubina, Andrej Ferdo (Mentor) Enote s prilagodljivim odjemomkakovost napetosti v nizkonapetostnem omrežjuokrepljeno učenjepribližno Q učenjevpliv omejitev omrežjaV distribucijskem sistemu smo priča vedno večji integraciji obnovljivih razpršenih virov, zaradi katere prihaja do problemov s kakovostjo napetosti na koncu vodov. Ena od možnih rešitev za tovrstne probleme je prilagajanje odjema, s čimer poskrbimo, da ne prihaja do prevelikih lokalnih odstopanj med proizvodnjo in porabo v distribucijskem omrežju. Prilagodljive odjemalce lahko vodimo na več načinov. V magistrskem delu raziskujemo vpliv agentnega vodenja prilagodljivih odjemalcev v elektrodistribucijskem sistemu. Agent je orodje umetne inteligence, ki simulira ukrepe agregatorja. Naučen agent se glede na stanje, v katerem je in na podlagi vhodnih podatkov odloča o naslednji akciji. Agenta moramo predhodno naučiti o dobrobiti posameznih akcij. V nalogi opisujemo osnove strojnega učenja, s poudarkom na okrepljenem učenju. Približno Q učenje smo, kot eno izmed različic okrepljenega učenja, uporabili za učenje agenta. Osnovni model smo nadgradili z različnim številom akcij, ki so agentu na voljo in z različnim omejitvam energijskega bazena. Agent agregator z vključevanjem optimalne količine porabe prilagodljivih odjemalcev vpliva na napetostne razmere v omrežju. Z njimi upravlja tako, da oblikuje vozni red porabe zanje za naslednjih 24 ur. Na voljo ima nevtralno akcijo, akcije polnjenja in akcije praznjenja energijskega bazena. Vozni red mora pred izvedbo potrditi distribucijski sistemski operater s sistemom, ki preverja vpliv voznega reda prilagodljivih odjemalcev na omrežje. To izvaja s pomočjo sistema semaforja, ki preverja kršitve kakovosti napetosti in v primeru kršitev, agenta denarno kaznuje. S to povratno informacijo se agent nauči učinkovitega upravljanja in izogibanja kaznim. Za preizkus predstavljenega postopka smo uporabili spremenjeni CIGRE model tipičnega evropskega nizkonapetostnega omrežja. V danem modelu so bili uporabljeni realni podatki proizvodnje sončnih elektrarn in porabe bremen. V omrežju so prisotni odjemalci, razpršeni viri in enote s prilagodljivim odjemom. Ugotovili smo, da se agent dobro prilagodi na razmere v omrežju. Agent se glede polnjenja in praznjenja ne odloča izključno glede na ceno elektrike, ki je v prvi tretjini dneva nizka v drugih dveh pa relativno visoka, temveč poleg cene elektrike upošteva tudi razmere v omrežju. Zaradi napetostnih omejitev, ki nastanejo zaradi proizvodnje sončnih elektrarn je agent prisiljen v polnjenje v obdobju, ko je cena visoka, a ne najvišja. Šele takrat lahko agent izkoristi energijski bazen in ga izprazni med večernimi urami, ko je cena najvišja.20182018-02-26 11:35:02Magistrsko delo/naloga99954VisID: 41501sl