يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

تنظيم ديناميكي لقبول المغذيات يعتمد على التعلم التعزيزي متعدد الوكلاء باستخدام مجموعة بيانات FeederBW وشبكة توزيع منخفضة الجهد مكونة من 236 قضيب توصيل

72 مشاهدة

⸱

DOI:

10.3791/72365

⸱

سبتمبر 8, 2026

 ,  ,  ,  ,  , 
1Metrology Center, Guangzhou Power Supply Bureau, Guangdong Power Grid Co., Ltd.

في هذه المقالة

ملخص

تقدم هذه الدراسة استراتيجية تنسيق ديناميكي لقبول المغذيات ذات الجهد المنخفض باستخدام التعلم التعزيزي التعاوني متعدد الوكلاء. حيث تقوم الوكلاء الأذكياء بتنسيق تشغيل المغذي، وإدارة الاحتقان، واستقرار الجهد، ودمج الطاقة المتجددة في ظل ظروف غير مؤكدة. وقد تم تقييم هذا النهج من خلال عمليات محاكاة باستخدام مجموعتي بيانات FeederBW و 236-bus.

الملخص

أدى التكامل الواسع لمصادر الطاقة المتجددة الموزعة والتوسع السريع في مغذيات الجهد المنخفض (LV) إلى ظهور تحديات تشغيلية تتعلق بقبول المغذيات وتنسيق الازدحام. قد تتسم مناهج التحكم في الجهد وإدارة المغذيات الحالية بقابلية محدودة للتوسع والتكيف في ظل التوليد المتقطع للطاقة المتجددة وظروف الشبكة المتغيرة. ولمعالجة هذه القيود، تقترح هذه الدراسة إطار عمل للتنسيق الديناميكي لقبول مغذيات الجهد المنخفض بناءً على تعاون الوكلاء الأذكياء ضمن نهج تعلم تعزيزي متعدد الوكلاء. وبخلاف استراتيجيات التحكم في الجهد التي تركز بشكل أساسي على استقرار الجهد، يدعم إطار العمل المقترح القبول الديناميكي للمغذيات من خلال التشغيل المنسق لوكلاء مسؤولين عن مراقبة المغذيات، وإدارة الازدحام، وتحديد الأولويات بناءً على حساسية الجهد. قام الوكلاء بمراقبة حالات المغذيات بشكل مستقل، وتقييم الازدحام وحساسيات الجهد، والتعاون في اتخاذ قرارات قبول المغذيات. تم تقييم إطار العمل من خلال عمليات محاكاة باستخدام مجموعة بيانات FeederBW ومجموعة بيانات شبكة توزيع الجهد المنخفض المكونة من 236 ناقل (bus) تحت مستويات تكامل متنوعة للطاقة المتجددة وظروف أحمال مختلفة. حقق إطار العمل المقترح معدل قبول للمغذيات بنسبة 97%، ومؤشر امتثال للجهد بنسبة 98%، وزمن استجابة للتنسيق قدره 98 ms مقاساً كزمن تنفيذ فعلي لخوارزمية التنسيق على الأجهزة المستخدمة، وسرعة تقارب بنسبة 98.5%، متفوقاً بذلك على طرق التنسيق المركزية التي تم تقييمها. كما أشارت النتائج إلى تحسن في القدرة على التكيف، والمرونة التشغيلية، وكفاءة صنع القرار اللامركزي في ظل ظروف شبكة توزيع الجهد المنخفض التي تمت محاكاتها.

المقدمة

تواجه أنظمة الطاقة الحديثة تحديات تشغيلية كبيرة بسبب ارتفاع الطلب على الكهرباء وزيادة استخدام التوليد الموزع. ويمكن أن تؤدي الاختلالات بين عرض الكهرباء والطلب عليها، أو الزيادات السريعة في التوليد الموزع، إلى فرض ضغوط مالية على شركات المرافق والمستخدمين النهائيين وتعريض استقرار الشبكة للخطر. ولذلك، تتحول البنية التحتية للكهرباء التقليدية التي تعتمد على الوقود الأحفوري وتتحكم فيها جهة مركزية نحو تصميم موزع يعتمد على الطاقة المتجددة. وقد أدى هذا التحول إلى تحسين الوصول إلى مصادر طاقة أكثر استدامة بيئياً وأقل تكلفة. ومع ذلك، فإن الطبيعة المتقطعة وغير المتوقعة للتوليد الكهروضوئي (PV) تثير مخاوف بشأن موثوقية الشبكة1,2.

يتسارع التحول العالمي في مجال الطاقة نحو نشر الأنظمة الكهروضوئية (PV) نظرًا لفوائدها البيئية وقابليتها للتوسع وانخفاض تكلفتها. ووفقًا للوكالة الدولية للطاقة المتجددة، من المتوقع أن تمثل القدرة الكهروضوئية أكثر من 22% من إمدادات الكهرباء العالمية بحلول عام 2050، كما يُتوقع أن تصبح الطاقة الشمسية الكهروضوئية مساهمًا رئيسيًا في إمدادات الكهرباء العالمية بحلول عام 20303. ويفرض هذا التكامل الواسع تحديات كبيرة على أنظمة الطاقة التقليدية، لا سيما فيما يتعلق بالاستقرار التشغيلي والموثوقية. ويعد تذبذب الجهد مصدر قلق بالغ لأن التوليد الكهروضوئي متقطع وغير قابل للتحكم في توقيت إمداده، وتصبح آثاره أكثر وضوحًا مع زيادة نسبة النفاذ عبر شبكات التوزيع والنقل4.

تؤثر التباينات في الإشعاع الشمسي بشكل مباشر على إنتاج الخلايا الكهروضوئية (PV) ويمكن أن تؤدي إلى تغيرات سريعة في الجهد. وقد تسبب حركة السحب، والتغيرات المفاجئة في الإشعاع، والعوابر في الأحمال تقلبات في الجهد لا تستطيع بنيات الشبكات الحالية استيعابها بشكل كافٍ5. وعلى الرغم من أن التقنيات التقليدية كانت فعالة في تكوينات الشبكات المركزية والمستقرة نسبياً، إلا أنها أقل ملاءمة للشبكات الموزعة بشكل متزايد. ويمكن أن تتجاوز التغيرات السريعة وثنائية الاتجاه في الجهد قدرات أنظمة الطاقة التقليدية، لا سيما في ظل الاختراق العالي للطاقة الكهروضوئية6. وقد تؤدي التقلبات غير المنضبطة إلى انتهاك حدود الجهد، والتأثير على الأحمال الحساسة، وتعريض سلامة الشبكة للخطر.

لذلك، حفّز دمج الأحمال الذكية والموارد الموزعة في شبكات التوزيع تطوير استراتيجيات تحكم أكثر تقدماً. ويمكن لأنظمة التحكم الذكية التي تقوم بمراقبة وتنسيق المعدات الموزعة باستمرار أن تساعد في التخفيف من التحديات في شبكات الجهد المنخفض (LV) التي تتميز بتوليد موزّع عالٍ7. كما يؤدي دمج الأنظمة الكهروضوئية (PV) على نطاق واسع إلى خلق صعوبات تشغيلية في التوليد الحراري، لا سيما عندما ينخفض إنتاج الأنظمة الكهروضوئية وتضطر الوحدات الحرارية إلى الاستجابة بسرعة، مما يتجاوز أحياناً حدود معدل التغيير (ramp-rate limits)8. وفي الوقت ذاته، يجب أن توازن برامج الاستجابة للطلب (DR) بين الاستدامة طويلة المدى والجدوى الاقتصادية9.

يمكن لبرامج الاستجابة للطلب (DR) دعم دمج التوليد الموزع مع المساعدة في موازنة العرض والطلب على الكهرباء. وتُصنف هذه البرامج إلى استجابة للطلب قائمة على السعر أو استجابة للطلب قائمة على الحوافز (IBDR). تشجع الاستجابة للطلب القائمة على السعر المستهلكين على تعديل استخدام الكهرباء استجابةً للتعريفات المتغيرة زمنياً، بينما توفر الـ IBDR حوافز مالية ثابتة أو متغيرة لخفض الاستهلاك عند الطلب10. ومع ذلك، فإن الاستجابة للطلب القائمة على السعر تعرض المستهلكين لتقلبات أسعار الجملة وتوفر مرونة تشغيلية محدودة من منظور شركة المرافق، مما قد يثبط المشاركين الذين يتجنبون المخاطر11,12.

بحثت دراسات عديدة في الاستجابة للطلب القائمة على الحوافز (IBDR) في أنظمة التوزيع الغنية بالأنظمة الكهروضوئية (PV). حيث قيمت إحدى الدراسات التحديات والفوائد المترتبة على دمج IBDR مع اختراق عالٍ للأنظمة الكهروضوئية، ولكنها ركزت على استخدام الطاقة المجمعة بدلاً من أنظمة إدارة الطاقة المنزلية على مستوى الأسرة13. واقترحت دراسة أخرى طريقة لإدارة الجهد قائمة على الحوافز، يتم فيها التحكم في تشغيل البطاريات بشكل غير مباشر عبر إشارات التسعير للحفاظ على حدود الجهد، على الرغم من أن الطلب المنزلي لم يتم نمذجته بشكل صريح14. كما نظرت طريقة تعتمد على المنطق الضبابي (fuzzy logic) لتحديد مدفوعات الحوافز في رضا المستهلك وتكاليف دمج الطاقة المتجددة، ولكنها لم تتضمن تحليلاً على مستوى المغذي (feeder-level analysis)15. كما تمت دراسة التخطيط طويل المدى للتوليد الذي يدمج الاستجابة للطلب القائمة على السعر والقائمة على الحوافز، بما في ذلك التوليد الحراري والمتجدد، ولكن دون مراعاة راحة المستخدم أو الطلب على مستوى الأسرة16.

تم تطبيق التعلم التعزيزي العميق (RL) أيضاً على الاستجابة للطلب (DR) في القطاع السكني. وقد تم اقتراح طرق التعلم التعزيزي العميق للتحكم في الأحمال المجمعة بموجب تعريفات تعرفة وقت الاستخدام، على الرغم من أن قابليتها للتعميم كانت محدودة بسبب صغر حجم مجموعات المستخدمين وغياب الجدولة على مستوى الأجهزة17. واستخدم إطار عمل للتعلم التعزيزي متعدد الوكلاء يجمع بين الاستجابة للطلب والتحكم في الجهد شبكات الذاكرة قصيرة المدى المطولة (long short-term memory networks) للتنبؤ بالأحمال، ولكنها لم تعالج عدم رضا العملاء الناتج عن تقييد الأحمال18. وركزت أعمال أخرى على تنسيق الاستجابة للطلب لأنظمة تكييف الهواء في المباني التجارية باستخدام عملية ماركوف لاتخاذ القرار، دون النظر في الأحمال السكنية الأخرى19. وبشكل عام، لم تدمج دراسات التحكم في الجهد القائمة على التعلم التعزيزي العميق كلاً من الاستجابة للطلب وتكامل الطاقة الكهروضوئية (PV)20,21.

يمكن للمحولات الذكية الاستجابة بسرعة للتغيرات المفاجئة وغير المنتظمة في إنتاج الطاقة الكهروضوئية (PV)22. فعند حدوث انتهاكات في مستويات الجهد، يمكن للمحولات الكهروضوئية أن تعمل في غضون أجزاء من الثانية، بينما قد تتطلب الأجهزة التقليدية عدة ثوانٍ23. وقد اقترحت بعض الدراسات إجراء تعديلات على إجراءات التحكم القياسية في الأجهزة، بما في ذلك نهج الوكلاء المتعددين لتنسيق منظمات الجهد وتعديل إجراءات متحكمات الجهد التقليدية24. ومع ذلك، فإن التوليد الكهروضوئي المستقل دون وجود تخزين في الموقع يمكن أن يؤدي إلى تفاقم انحرافات الجهد ولا يخفف من ذروة الاستهلاك المسائية، حتى عندما يقلل من صافي الواردات النهارية24,25. كما قد تنفد البطاريات المنزلية خلال فترات الفائض الكهروضوئي نهاراً وتصبح غير متاحة لشحن المركبات الكهربائية ليلاً إذا لم يتم تنسيق توزيعها مع الطلب والتوليد المحليين26,27. وتجعل التأثيرات المجتمعة للطلب العشوائي، والتوليد المتقطع، وسلوك التخزين المتنوع، من إدارة السعة وطول عمر الأصول والمرونة مخاوف مهمة لمشغلي أنظمة التوزيع28. وتوفر أنظمة إدارة الطاقة المنزلية وسيلة محتملة لتنفيذ التحكم الآلي على مستوى العميل. ويُعد التعلم المعزز (RL) مناسباً جداً لمثل هذه التطبيقات لأن الوكلاء يمكنهم تعلم استراتيجيات التحكم من خلال التفاعل مع البيئة مع التعامل مع حالة عدم اليقين واتخاذ قرارات ذات زمن وصول منخفض.

توضح التطورات في توجيه المركبات الكهربائية كيف يمكن للتعلم التعزيزي العميق (deep RL) إدارة قيود الطاقة الديناميكية. تتضمن مشكلة توجيه المركبات الكهربائية ذات السعة المحدودة والقائمة على أسطول غير متجانس ديناميكيات القيادة، وخصائص الطرق، والمقاومة الحركية، وكفاءة الشحن، مع تقليل الحد الأقصى لاستهلاك الطاقة عبر أسطول متنوع29. وتصيغ طريقة التعلم التعزيزي العميق المدركة للديناميكيات هذه المشكلة كعملية ماركوف لاتخاذ القرار مخصصة، وتستخدم بنية تعتمد على المشفر والمحدث وفك التشفير (encoder-updater-decoder). وفي هذا التصميم، يقوم المشفر بتطوير تمثيلات محددة للأدوار لكل من الرؤوس والمركبات، ويقوم المحدث بتنقيح رموز المركبات مع تغير المعلومات السياقية، بينما يقوم فك التشفير بفصل عملية اختيار المركبة عن اختيار الرأس الخاص بالمركبة لدعم اتخاذ القرار التكيفي. وبالمثل، تستخدم مشكلة توجيه المركبات الكهربائية المثلى من حيث الطاقة مع عمليات الاستلام والتسليم والنوافذ الزمنية نموذجاً عالي الدقة لاستهلاك الطاقة يشمل سلوك الشحن، وديناميكيات القيادة المعتمدة على الوقت، ومعلومات مفصلة عن المسار30. ويمثل إطار عمل التعلم التعزيزي العميق القائم على الانتباه غير المتجانس مهمة التوجيه كعملية ماركوف لاتخاذ القرار، مع مشفر يلتقط التفاعلات المحددة للأدوار بين المستودعات والعملاء ومحطات الشحن، وفك تشفير يتتبع انتقالات الحالة والجدوى الزمنية.

على الرغم من هذه التطورات، تركز معظم دراسات إدارة توزيع شبكات الجهد المنخفض (LV) على استقرار الجهد وتحسين القدرة غير الفعالة بدلاً من التنسيق الديناميكي لقبول المغذيات في ظل عدم اليقين المرتبط بالطاقة المتجددة. وتركز طرق التحكم الموزع في الجهد المستندة إلى العاكسات الذكية والتعلم الآلي عموماً على تعويض الجهد وتحسين القدرة غير الفعالة، دون معالجة التحكم التكيفي في قبول المغذيات أو التنسيق القائم على الازدحام في شبكات الجهد المنخفض المعقدة. وبالمثل، فإن نهج التعلم التعزيزي متعدد الوكلاء المقيد بالجهد من أجل الاستجابة للطلب (DR) لا تعالج بشكل مباشر الإدارة التعاونية لقبول المغذيات، أو التنسيق اللامركزي المدرك للازدحام، أو التحكم في القبول على مستوى العقد في أنظمة توزيع الجهد المنخفض المترابطة. أما طرق تنظيم الجهد التعاونية المستندة إلى التنسيق متعدد الوكلاء، فهي تقلل عادةً من انحرافات الجهد وعمليات تغيير نقاط التوصيل (tap operations) باستخدام عاكسات الطاقة الكهروضوئية (PV)، ولكنها لا تأخذ في الاعتبار القبول التكيفي للمغذيات، أو عدم استقرار القبول المرتبط بالطاقة المتجددة، أو التنسيق اللامركزي في ظل ظروف الشبكة الديناميكية.

تواجه طرق تنسيق الموارد الحالية الموزعة والمتعددة الوكلاء أيضًا قيودًا في الوعي بالازدحام، والتكيف الزمني، وقابلية التوسع. إذ يركز معظمها على تحليل الحمل الزائد، أو تفاعلات موارد الطاقة الموزعة، أو إدارة الطاقة القائمة على التعرفة، بدلاً من القبول التكيفي على مستوى المغذي والتنسيق الواعي بالجهد. ويمكن لاعتمادها على المركزية الجزئية والأولويات الثابتة أن يحد بشكل أكبر من اتخاذ القرار اللامركزي، والاستجابة السريعة لانتشار الازدحام، والتكيف مع تقلبات الطاقة المتجددة. وبناءً على ذلك، هناك حاجة إلى إطار عمل لامركزي بالكامل قائم على التعلم التعزيزي، يجمع بين تنسيق الوكلاء التعاوني وتحليل الحساسية للجهد والازدحام، وذلك من أجل إدارة تكيفية لقبول المغذيات باستخدام مجموعات بيانات واسعة النطاق مثل FeederBW وشبكة التوزيع ذات الجهد المنخفض المكونة من 236 ناقل (236-bus LV distribution network).

يشير قبول المغذي في هذه الدراسة إلى العملية التشغيلية التكيفية لتحديد ما إذا كان مغذي الجهد المنخفض (LV feeder) يمكنه استيعاب موارد طاقة موزعة إضافية أو أحمال كهربائية مع الحفاظ على أمن الشبكة، والامتثال لمستويات الجهد، وحدود التحميل الحراري، والموثوقية التشغيلية. تتضمن الحدود التشغيلية لقبول المغذي تقييم سعة المغذي، وحساسية الجهد، وحالات الازدحام، وتقلبات الطاقة المتجددة قبل قبول توصيلات المغذي الجديدة أو منحها الأولوية. وبخلاف التحكم التقليدي في الجهد، الذي ينظم ملفات الجهد، أو تنسيق موارد الطاقة الموزعة، الذي يدير تشغيل الموارد، أو إدارة الازدحام، التي تخفف من الأحمال الزائدة على الشبكة، فإن قبول المغذي يدمج هذه الوظائف ضمن إطار عمل تعلم تعزيزي تعاوني متعدد الوكلاء لدعم تنسيق ديناميكي ولا مركزي وتكيفي في ظل ظروف غنية بالطاقة المتجددة.

الهدف من هذه الدراسة هو تطوير استراتيجية تنسيق ديناميكي قائمة على وكلاء أذكياء تعاونيين لقبول المغذيات ذات الجهد المنخفض في ظل ظروف التشغيل المتغيرة وعدم اليقين المرتبط بالطاقة المتجددة. يقوم الإطار المقترح بتنسيق لامركزي لقبول المغذيات من خلال التقييم الديناميكي لحالات المغذي، وحساسية الجهد، وحساسية الازدحام، وسعة القبول، مما يتيح تحديد الأولويات واتخاذ القرارات التكيفية بما يتجاوز طرق التحكم الساكن في الجهد. وباستخدام مجموعة بيانات FeederBW ومجموعة بيانات شبكة توزيع الجهد المنخفض المكونة من 236 ناقل (bus)، تطور الدراسة أيضاً بنية تعلم تعزيزي متعدد الوكلاء قابلة للتوسع لأنظمة الجهد المنخفض واسعة النطاق. ومن خلال التعلم المدفوع بالتعزيز والتحسين التعاوني منخفض الكمون الذي يتم إجراؤه في كل فاصل تشغيلي محاكى، تم تصميم الإطار لتقليل انتشار الازدحام، وتحسين الامتثال للجهد، وخفض كمون التنسيق، وزيادة كفاءة التنسيق اللامركزي.

يساهم هذا الإطار في تقديم نهج ديناميكي لتنسيق قبول المغذيات في شبكات الجهد المنخفض (LV) يحل محل استراتيجيات إدارة المغذيات الثابتة القائمة على التحكم في الجهد؛ وبنية لا مركزية للتعلم التعزيزي متعدد الوكلاء للتعامل مع عدم اليقين في الطاقة المتجددة وظروف الأحمال المتغيرة؛ وإدارة قبول لا مركزية تعتمد على شروط زمن الانتقال المنخفض وتحديد الأولويات الديناميكية للمغذيات؛ ومؤشرات مشتركة للحساسية تجاه الجهد والاحتقان لتحديد المغذيات الحرجة وترتيب أولويات قرارات القبول؛ واتصالات تعاونية بين الوكلاء المتجاورين؛ وتحسيناً مستمراً للسياسات بناءً على التعلم التعزيزي لتحسين استقرار المغذي، وتخفيف الاحتقان، والامتثال للجهد، والتقارب؛ بالإضافة إلى التحقق من الصحة من خلال محاكاة واسعة النطاق باستخدام مجموعات بيانات FeederBW و 236-bus LV. وتشير النتائج المقارنة إلى تحسن في قبول المغذيات، وتخفيف الاحتقان، وتأخير التنسيق، وسرعة التقارب، والامتثال للجهد مقارنة بطرق التنسيق المركزية التقليدية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

لم يتم استخدام مشاركين بشريين، أو حيوانات فقارية، أو أنسجة بشرية، أو أنسجة حيوانية في هذا البحث. وقد اعتمدت الدراسة فقط على مجموعات بيانات متاحة للعموم (مجموعة بيانات FeederBW ومجموعة بيانات شبكة توزيع الجهد المنخفض المكونة من 236 ناقلًا) وعمليات محاكاة حاسوبية. وبناءً على ذلك، لم تتطلب هذه الدراسة موافقة من مجلس المراجعة المؤسسية (IRB)، أو موافقة أخلاقية، أو موافقة مستنيرة.

تم تطوير استراتيجية التنسيق الديناميكي لقبول المغذيات ذات الجهد المنخفض بناءً على تعاون الوكلاء باستخدام التعلم التعزيزي متعدد الوكلاء (MARL) لظروف التشغيل الغنية بالطاقة المتجددة. تم إجراء معالجة مسبقة لمجموعات بيانات FeederBW والمغذيات ذات الجهد المنخفض المكونة من 236 ناقل (bus)، وتطبيعها، ومزامنتها زمنياً لإنشاء نموذج شبكة ديناميكي يمثل حالات المغذي، وموارد الطاقة الموزعة، والمناطق الحساسة للجهد، وظروف الازدحام. تم تعيين وكلاء أذكياء لأقسام المغذي ووصلات الشبكة لمراقبة الجهد المحلي، والازدحام، وعدم اليقين في توليد الطاقة المتجددة، وسعة قبول المغذي، وتبادل المعلومات مع الوكلاء المجاورين، وتحديث سياسات التنسيق من خلال التعلم التعزيزي اللامركزي. صُممت دالة المكافأة لتحسين قبول المغذي مع الحد من الازدحام، وعدم استقرار الجهد، وتأخيرات التنسيق. تم أخذ قيود الجهد، وتحميل المغذي، وتحميل المحول، والازدحام في الاعتبار، بينما لم يتم نمذجة التشغيل غير المتوازن ثلاثي الأطوار، والتحكم المتقدم في عاكس الطاقة الكهروضوئية، وتعويض القدرة غير الفعالة بشكل صريح. يظهر الإطار العام في الشكل 1. أدوات البحث المستخدمة في هذه الدراسة مدرجة في جدول المواد.

مخطط شبكي لنمذجة شبكات الجهد المنخفض الديناميكية باستخدام الأنظمة متعددة الوكلاء والتعلم التعزيزي.
الشكل 1بنية الإطار المقترح. مخطط لإطار التنسيق الديناميكي الذي يدمج الوكلاء الأذكياء، والتعلم التعزيزي، وتحليل الازدحام، والتنسيق التكيفي للمغذيات. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

1. الحصول على البيانات

تم الحصول على البيانات من مجموعة بيانات FeederBW31 ومجموعة بيانات توزيع الجهد المنخفض ذات الـ 236 ناقل32. وقد تم اختيار مجموعات البيانات هذه لأنها تحتوي على معلومات حول طبوغرافية المغذي، وظروف الجهد، وسلوك توليد الطاقة المتجددة، والطلب على الحمل، والاحتقان، وملفات التشغيل الديناميكية المطلوبة للتنسيق اللامركزي وتعلم الوكلاء القائم على التعزيز.

استُخدمت مجموعة بيانات FeederBW بشكل أساسي لنمذجة تشغيل المغذي، وتقطع الطاقة المتجددة، وانحراف الجهد، وانتشار الاحتقان في الشبكات ذات الجهد المنخفض (LV). وقد تضمنت بيانات تشغيل المغذي، وسلوك التوليد الموزع، وقياسات جهد العقدة، وتقلبات الأحمال التي دعمت تحليل التنسيق التكيفي. أما مجموعة بيانات LV المكونة من 236 قضيباً (bus)، فقد استُخدمت لتقييم القابلية للتوسع والتنسيق اللامركزي؛ حيث احتوت على معلومات توصيل القضبان، وظروف تحميل المغذي، وخصائص جهد العقدة، ومعدلات اختراق الطاقة المتجددة الموزعة، وحالات التشغيل الحساسة للاحتقان. وقد دعمت مجموعتا البيانات معاً التحليلات على مستوى المغذي والتحليلات واسعة النطاق في ظل ظروف الاختراق العالي للطاقة المتجددة. وتتلخص خصائص مجموعات البيانات وأغراضها في هذا الإطار في الجدول 1.

اسم مجموعة البياناتنوع مجموعة البياناتعدد العقد/النواقلسمات البياناتالغرض من العمل المقترح
مجموعة بيانات FeederBWمجموعة بيانات تشغيلية لمغذي منخفض الجهدعقد تغذية متعددةملفات الجهد، التوليد المتجدد، طلب الحمل، حالات الاحتقان، السلوك التشغيلي للمغذيتنسيق المغذيات منخفض الكمون، تحليل الازدحام، تحديد أولويات القبول التكيفي
مجموعة بيانات الجهد المنخفض لـ 236 ناقلًامجموعة بيانات واسعة النطاق لتوزيع الجهد المنخفض٢٣٦ حافلةطوبولوجيا الناقل، تحميل المغذي، حساسية الجهد، تغل الطاقة المتجددة، ديناميكيات الاحتقانالتحقق من القابلية للتوسع، تقييم التنسيق اللامركزي، تحليل التنسيق واسع النطاق

الجدول 1: خصائص مجموعة البيانات. وصف لمجموعات البيانات، والسمات التشغيلية، وأغراضها ضمن إطار عمل تنسيق الجهد المنخفض المقترح.

2. المعالجة المسبقة للبيانات

خضعت مجموعات البيانات المكتسبة لمعالجة أولية لتحسين الاتساق، والمحاذاة الزمنية، واستقرار التعلم التعزيزي. وتمت تصفية الإدخالات المفقودة، والقياسات الخاطئة، والسجلات المكررة، وبيانات المغذيات غير المتسقة باستخدام إجراءات المعالجة الأولية الإحصائية. استُخدمت هذه الخطوة للحفاظ على الاتساق بين بيانات تشغيل المغذيات، وملفات توليد الطاقة المتجددة، وقياسات الجهد، وبيانات حالة الاحتقان. كما خضعت جميع المتغيرات التشغيلية لتطبيع الحد الأدنى والأقصى (min–max normalization) بحيث يتم تحويل ميزات الإدخال إلى مقياس مشترك مناسب لتعلم العميل. وشملت المتغيرات المُطبعة جهد المغذي، والطلب على الطاقة الفعالة، وتوليد الطاقة المتجددة، وحالة الاحتقان، وسعة قبول المغذي. ويرد الصياغة الرياضية لإجراء المعالجة الأولية في الملف التكميلي 1 (القسم 1).

3. نمذجة شبكات الجهد المنخفض الديناميكية

بعد الحصول على البيانات ومعالجتها مسبقاً، تم بناء نموذج شبكة جهد منخفض (LV) ديناميكي لمحاكاة سلوك نظام توزيع يتميز بنسبة عالية من التوليد المتجدد تحت ظروف متغيرة من الأحمال والتوليد. وقد تتبع النموذج ديناميكياً طوبولوجيا المغذيات، وسلوك موارد الطاقة الموزعة، والمناطق الحساسة للجهد، وانتشار الاحتقان.

على عكس تمثيل الشبكة الساكن، يقوم النموذج بتحديث سلوك المغذي وفقاً لتقطع المصادر المتجددة، وطلب المستهلك، وظروف الاحتقان. استُخدمت مجموعات بيانات FeederBW و236-bus LV لإنشاء مغذيات مترابطة تم فيها تمثيل الحافلات، والمحولات، ومصادر الطاقة المتجددة الموزعة، والأحمال كعقد في الشبكة. وقد وفرت كل عقدة مغذٍ معلومات محدثة عن مقدار الجهد، وطلب القدرة الفعالة، والتوليد المتجدد، وحالة تحميل المغذي، وحالة الاحتقان. واستخدم الوكلاء الأذكياء هذه المتغيرات لمراقبة سلوك المغذي واتخاذ قرارات تنظيم لا مركزية. كما دعم نموذج الشبكة تحديد المناطق الحساسة وتحديد أولويات قبول المغذيات من خلال تحليل الحساسية المستمر.

تم تمثيل شبكة توزيع الجهد المنخفض (LV) كشبكة قائمة على الرسوم البيانية تحتوي على محطات توزيع، وخطوط تغذية، ومحولات، ومصادر متجددة، وعقد أحمال المستهلكين. تتوفر الاشتقاقات الرياضية التفصيلية لنموذج الشبكة في الملف التكميلي 1 (القسم 2). تمت مراقبة الحالة الديناميكية للشبكة ومؤشر الازدحام بشكل مستمر. وتم تطبيع مؤشر الازدحام ضمن النطاق [0,1]، وبدأ تنسيق قبول التغذية التعاوني عندما تجاوز مؤشر الازدحام 0.80.

4. تهيئة بيئة الوكلاء المتعددين

بعد بناء نموذج شبكة الجهد المنخفض (LV) الديناميكي، تم تهيئة بيئة الوكلاء المتعددين لدعم القبول اللامركزي للمغذيات. تم تعيين وكلاء أذكياء لقطاعات المغذيات، ونقاط اتصال موارد الطاقة الموزعة، ومواقع المحولات، والعقد المعرضة للازدحام داخل شبكة الجهد المنخفض (LV).

عمل كل وكيل ككيان مستقل لاتخاذ القرار يقوم بمراقبة تشغيل المغذي المحلي، وتبادل المعلومات مع الوكلاء المجاورين، وتنفيذ إجراءات تنسيق تكيفية. تم تعيين الوكلاء لعقد المغذيات الرئيسية وفقًا لحساسية الجهد، ونسبة اختراق الطاقة المتجددة، ومستوى الازدحام، وأهمية المغذي. تم تهيئة شبكة الجهد المنخفض (LV) كبيئة قائمة على الوكلاء يقوم فيها الوكلاء بمراقبة جهد المغذي باستمرار، والطلب على القدرة الفعالة، وتغيرات توليد الطاقة المتجددة، وحالة الازدحام، وسعة قبول المغذي. تتوفر الصياغة الرياضية لبيئة الوكلاء المتعددين في الملف التكميلي 1 (القسم 3).

5. تعلم الوكيل الموجه بالتعزيز

بعد تهيئة بيئة الوكلاء المتعددين، تم تنفيذ التعلم القائم على التعزيز لتمكين الوكلاء من تعلم سياسات تنسيق المغذي من خلال التفاعل مع ظروف تشغيل الجهد المنخفض (LV) المتغيرة. وخلال كل تفاعل، يقوم الوكيل بمراقبة حالة المغذي الحالية، واختيار إجراء تنسيقي، ثم تلقي مكافأة أو جزاء. وقد مكنت عملية التعلم اللامركزية الوكلاء من التكيف مع عدم اليقين في التوليد المتجدد، وظروف الاحتقان المتغيرة، وتباين الجهد، والتغيرات في سعة قبول المغذي. واختار كل وكيل إجراءً تنسيقيًا وفقًا لسياسته المتعلمة. وترد الاشتقاقات الرياضية المرتبطة بذلك في الملف التكميلي 1 (القسم 4).

تم نشر ما مجموعه 64 عميلاً ذكياً. وبناءً على طوبولوجيا المغذي، ومستوى تغل الطاقة المتجددة، وحساسية الجهد، وشدة الاحتقان، تم تخصيص كل عميل لقطاع مغذٍ، أو موقع محول، أو نقطة اتصال بمصدر طاقة موزعة، أو عقدة شبكة حساسة للاحتقان. ومع الحفاظ على تعقيد حسابي معقول، سمح النشر اللامركزي بالمراقبة التعاونية وقبول المغذي التكيفي عبر شبكة توزيع منخفضة الجهد مكونة من 236 قضيباً (bus). رصد كل عميل متجه حالة خماسي الأبعاد يتكون من مقدار الجهد، والطلب على حمل المغذي، وتوليد الطاقة المتجددة، وحالة الاحتقان، وقدرة قبول المغذي. وتكونت مساحة الإجراءات من خمسة إجراءات تنسيقية: تحديد أولويات قبول المغذي، وتخفيف الاحتقان، وتنسيق الطاقة المتجددة، وموازنة الأحمال، والتحكم في الجهد. كما دُعم اتخاذ القرار التعاوني من خلال طوبولوجيا اتصالات جوارية لامركزية، حيث تبادل كل عميل مؤشرات الحساسية ومعلومات التشغيل المحلية فقط مع عملاء المغذي المجاورين.

تم تنفيذ طريقة تعلم تعزيزي متعدد الوكلاء (MARL) قائمة على تعلم-Q باستخدام شبكة عصبية متصلة بالكامل تتكون من طبقتين خفيتين تحتويان على 128 و64 عصبوناً. وطُبقت دالة التنشيط "الوحدة الخطية المصححة" (ReLU) في الطبقات الخفية. كما حُسنت معلمات الشبكة باستخدام محسن Adam بمعدل تعلم قدره 0.01 وعامل خصم قدره 0.9. واستُخدم حجم دفعة صغيرة قدره 64، بينما بلغت سعة مخزن إعادة تشغيل الخبرات 10,0 انتقال. واعتُبر التدريب قد وصل إلى مرحلة التقارب عندما أصبح المتوسط المتحرك للمكافأة التراكمية على مدار الـ ٢٠ حلقة تغير بمقدار أقل من 0.1% لـ 10 نوافذ تقييم متتاليةوإذا لم يتم استيفاء هذا المعيار، استمر التدريب حتى حد أقصى قدره ٥٠ حلقة تم الوصول إليها. ويظهر سير عمل التعلم التعزيزي في الشكل 2.

مخطط عملية التعلم التعزيزي؛ التفاعل بين العميل والبيئة، تحديث السياسة، حلقة المكافآت.
الشكل 2مخطط انسيابي لتعلم العميل الموجه بالتعزيز. مخطط تدفقي يوضح عملية تعلم العميل القائمة على التعزيز من أجل التنسيق اللامركزي للمغذيات وتحسين اتخاذ القرار. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

بدأت عملية التعلم بتهيئة بيئة توزيع الجهد المنخفض (LV)، وحالات الوكيل، ومعلمات التعلم. تم وضع الوكلاء الأذكياء في مناطق المغذيات، ومواقع موارد الطاقة الموزعة، والحافلات المعرضة للازدحام. بعد ذلك، تم تحديد مساحة الملاحظة، ومعدل التعلم، واستراتيجية الاستكشاف، وعوامل المكافأة، ودوال السياسة. وفي كل خطوة تفاعل، قام كل وكيل بملاحظة الحالة الراهنة لمنطقة المغذي المخصصة له. وتكونت الحالة من مقدار جهد العقدة، وطلب حمل المغذي، وخصائص التوليد المتجدد، ومستوى الازدحام، وسعة قبول المغذي. شكلت هذه الملاحظات الحالة البيئية المستخدمة لاتخاذ قرارات التنسيق. واختار كل وكيل إجراءً وفقاً لسياسة التعلم التعزيزي الخاصة به. وشملت الإجراءات المتاحة تحديد أولويات قبول المغذي، وإدارة الازدحام، وتنسيق الطاقة المتجددة، وموازنة الأحمال، وإدارة الجهد. تم تطبيق الإجراء المختار على بيئة الجهد المنخفض (LV) الديناميكية، ومن ثم تم تحديث حالة المغذي.

تم حساب مكافأة بعد كل إجراء. تم تعيين مكافأة إيجابية عندما أدى الإجراء المختار إلى تحسين قبول المغذي، أو منع انتشار الازدحام، أو الحفاظ على الامتثال للجهد، أو تحسين استقرار الشبكة. وتم تطبيق عقوبة عندما أدى الإجراء إلى حدوث، أو فشل في منع، زيادة تحميل المغذي، أو انتهاكات الجهد، أو تأخيرات في التنسيق. استُخدمت المكافأة المحسوبة لتحديث دالة القيمة وسياسة اتخاذ القرار للوكيل من خلال تحسين التعزيز. تكرر تسلسل الملاحظة، واختيار الإجراء، وانتقال البيئة، وحساب المكافأة، وتحديث السياسة حتى استيفاء معيار التوقف.

6. تقييم الحساسية للجهد والازدحام

عقب التعلم القائم على التعزيز، تم تقييم حساسيات الجهد والازدحام لتحديد مناطق التغذية الضعيفة ودعم قرارات قبول المغذيات الديناميكية في ظل عدم اليقين المرتبط بالطاقة المتجددة.

تَمَّ تحديد تأثيرات التغيرات في قدرة المغذي، والتوليد المتجدد، والطلب على الحمل على جهد العقدة واحتقان الشبكة عند كل فاصل تشغيلي. كما أُعيد حساب مؤشرات الحساسية للجهد والاحتقان. عند كل فاصل تشغيلي محاكى بدلاً من اشتقاقها حصراً من ظروف الشبكة الساكنة. وقد حُدثت مؤشرات الحساسية لكل عقدة مغذية بناءً على ظروف الشبكة الحالية، وتفاوت توليد الطاقة المتجددة، وحالة تحميل المغذي. واستُخدمت القيم الناتجة لتصنيف عقد المغذيات من أجل عمليات قبول المغذيات، وإدارة الاحتقان، وإجراءات التحكم في الجهد.

قام مؤشر الحساسية للجهد بقياس التغير في جهد العقدة الناتج عن التغير في تدفق القدرة الفعالة. وبعد حساب مؤشرات الحساسية للجهد والازدحام، تم دمجها في درجة حساسية مركبة من أجل تحديد الأولويات التكيفية لقبول المغذيات. وتوصفت طريقة التسجيل المركبة في الملف التكميلي 1 (القسم 5). وقد مُنحت عقد المغذيات ذات درجات الحساسية الأعلى أولويات تنسيق أعلى أثناء عمليات تخفيف الازدحام، وتصحيح قبول المغذيات، وعمليات تنظيم الجهد. كما أعيد حساب درجات الحساسية عند كل فاصل تشغيلي وتمت مشاركتها مع الوكلاء المجاورين من خلال بيئة الاتصال التعاونية.

7. تنسيق القبول التعاوني وتحسين القرار التكيفي عند كل فاصل تشغيلي محاكى

بعد إجراء تقييم للحساسية، تم تنفيذ تنسيق قبول تعاوني لتمكين الوكلاء اللامركزيين من اتخاذ قرارات منسقة بشأن قبول المغذي في ظل ظروف عدم اليقين المتعلقة بالطاقة المتجددة وظروف الازدحام الديناميكي. قام الوكلاء بتبادل حالات المغذي المحلية، ومؤشرات الحساسية، وتنبيهات الازدحام، وأولويات التشغيل. وقام كل وكيل بتقييم حالة المغذي المحلي الخاص به بشكل مستقل مع التنسيق مع الوكلاء المجاورين لدعم استقرار الشبكة بشكل عام.

تم إعطاء الأولوية لقبول المغذي وفقاً للحساسية الجهدية، وشدة الاحتقان، وتقلبات التوليد المتجدد، وسعة المغذي المتاحة. وقد تم تجميع الملاحظات المحلية الواعية بالحساسية عبر الوكلاء، وتوليد إجراءات منسقة لقبول المغذي. تتوفر الصيغة الرياضية لعملية التنسيق التعاوني في الملف التكميلي 1 (القسم 6). كما تم نشر بيئة شبكة الجهد المنخفض (LV) الديناميكية مع توزيع وكلاء تعاونيين في مناطق المغذي، ونقاط دمج الطاقة المتجددة، والحافلات المعرضة للاحتقان، كما هو موضح في الملف التكميلي 1 (الخوارزمية 1). وفي كل فاصل تشغيلي، قام كل وكيل بمراقبة معلمات المغذي المحلية، بما في ذلك مقدار الجهد، وتغير التوليد المتجدد، وتحميل المغذي، ومستوى الاحتقان، وسعة قبول المغذي.

تم بعد ذلك حساب مؤشرات الحساسية للجهد والحساسية للازدحام لتحديد مناطق المغذيات المعرضة لعدم استقرار الجهد أو انتشار الازدحام. وقد دُمجت هذه المؤشرات في درجة حساسية إجمالية للمغذيات تحدد أولوية قبول وتنسيق المغذي. كما تم تبادل معلومات الحالة المحلية، ومستويات الازدحام، ومؤشرات عدم استقرار الجهد، وأولويات القبول بين الوكلاء المتجاورين. وبناءً على الملاحظات المحلية والمعلومات المشتركة، اختار كل وكيل إجراء تنسيق تكيفي وقام بتنفيذه. وبعد كل إجراء، تم الحصول على تغذية راجعة تعزيزية من بيئة شبكة الجهد المنخفض (LV) الديناميكية وفقاً لاستقرار المغذي، وتقليل الازدحام، والامتثال للجهد، وكفاءة قبول المغذي. واستُخدمت هذه التغذية الراجعة لتحديث سياسة كل وكيل من خلال التحسين القائم على التعزيز. وبشكل متزامن، وفرت دالة هدف التنسيق العالمي تغذية راجعة منسقة للتحسين التكيفي عبر مجموعة الوكلاء. واستمرت تحديثات السياسة حتى تقاربت سياسات الوكلاء نحو استراتيجية تنسيق لامركزية مثالية.

8. التحقق من الصحة على نطاق واسع

تم التحقق من صحة استراتيجية التنسيق الديناميكي باستخدام مجموعة بيانات FeederBW ومجموعة بيانات شبكة توزيع الجهد المنخفض المكونة من 236 قضيب توصيل في ظل سيناريوهات تشغيل تتميز باختراق عالٍ للطاقة المتجددة. وقد قيمت عملية التحقق قدرة إطار التنسيق اللامركزي على إدارة القبول الديناميكي للمغذيات، وتقطع الطاقة المتجددة، وانتشار الازدحام، وعدم استقرار الجهد في أنظمة توزيع الجهد المنخفض المترابطة. وشملت سيناريوهات التشغيل التي تم تقييمها الاختراق العالي للطاقة المتجددة، وتغير الطلب على الحمل، والانتشار الديناميكي للازدحام، والظروف الحساسة للجهد، وتفاوت سعة قبول المغذيات.

تم تقييم أداء الإطار باستخدام معدل قبول المغذي، ومؤشر الامتثال للجهد، ومعدل خفض الازدحام، وزمن استجابة التنسيق، وسرعة التقارب، وكفاءة التنسيق اللامركزي، وقدرة استيعاب الطاقة المتجددة. واستُخدمت هذه المقاييس لتقييم القابلية للتوسع، والمتانة، والقدرة على التكيف، وأداء التنسيق. كما تمت مقارنة الإطار المقترح بنهج تنسيق المغذيات المركزية التقليدية تحت نفس تكوينات الشبكة. وطُبقت مجموعات بيانات، وسيناريوهات تشغيل، وظروف تقييم، ومقاييس أداء متكافئة على طرق المقارنة.

الجدول 2 يلخص مجموعات البيانات، وظروف التشغيل، وبيئات التنسيق، ومتغيرات الأداء المستخدمة للتحقق التجريبي. استُخدمت مجموعة بيانات FeederBW لتقييم ديناميكيات تشغيل المغذي، والتقطع في الطاقة المتجددة، وتطور الازدحام، وتغير الأحمال السكنية، وتقلبات الجهد في ظروف مغذيات الجهد المنخفض (LV). واستُخدمت مجموعة بيانات LV المكونة من 236 ناقل لتقييم التنسيق اللامركزي في شبكة مترابطة أكبر. تم التحقق من صحة البنية تحت ظروف متغيرة من توليد الطاقة المتجددة، والطلب على الأحمال، والجهد، والازدحام. كما تم تقييم التنسيق اللامركزي وتحسين السياسات القائم على التعلم التعزيزي بشكل مشترك عبر الوكلاء الأذكياء.

تم استخدام معدل قبول المغذي، ومؤشر امتثال الجهد، ومعدل خفض الازدحام، وسرعة التقارب، وزمن انتقال التنسيق لتقدير الأداء في ظل ظروف التشغيل الديناميكية في أنظمة الطاقة المتجددة.

المعلمة التجريبيةمجموعة بيانات FeederBWمجموعة بيانات جهد منخفض مكونة من 236 ناقلًاالغرض من التحقق من الصحة
نوع الشبكةشبكة تغذية منخفضة الجهدشبكة توزيع جهد منخفض واسعة النطاقتقييم التنسيق الديناميكي
عدد العقد/النواقلعقد تغذية متعددة٢٣٦ حافلةتحليل القابلية للتوسع
تكامل الطاقة المتجددةالخلايا الكهروضوئية ومصادر الطاقة المتجددة الموزعةناقلات ذات نسبة تغل عالية للطاقة المتجددةالتحقق من عدم اليقين في الطاقة المتجددة
سلوك الطلب على الأحمالملفات أحمال سكنية ديناميكيةتغيرات أحمال المغذيات واسعة النطاقتنسيق الأحمال التكيفي
سيناريوهات الاحتقانحالات زيادة الحمل والازدحام في المغذياتانتشار الازدحام في النواقل المتعددةتحليل التخفيف من الازدحام
ظروف الجهد الكهربائيملفات تقلب الجهد الكهربائيظروف الناقل الحساسة للجهدتقييم توافق الجهد
الوكلاء الأذكياءوكلاء تغذية موزعونوكلاء تعاونيون واسعي النطاقتحليل التنسيق اللامركزي
بيئة التعلمالتنظيم الموجه بالتعزيزالتعلم التكيفي متعدد الوكلاءالتحقق من صحة تحسين السياسة
شروط المحاكاةالتباين المتجدد الديناميكيتشغيل ديناميكي واسع النطاقاختبار تنسيق العمليات زمن الوصول المنخفض
مقاييس الأداءمعدل القبول، تقليل الازدحامالامتثال للجهد، سرعة التقاربالأداء العام للتنسيق الترتيبي

الجدول 2: التحقق التجريبي واسع النطاق. الإعدادات التجريبية المستخدمة لتقييم القابلية للتوسع، وعدم اليقين في الطاقة المتجددة، والتنسيق اللامركزي.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

أُجريت جميع التجارب خمس مرات باستخدام بذور عشوائية مختلفة لتقليل تأثير التعلم التصادفي. وحُسبت القيم المتوسطة عبر التشغيلات الخمس. كما استُخدمت مجموعات البيانات نفسها، ومعلمات المحاكاة، والمعلمات الفائقة، ومعايير التوقف، وإجراءات التقييم لجميع الطرق. واستُخدمت كل من طريقة التحكم المركزي في الجهد (CVC)3، والتحكم التقليدي متعدد الوكلاء (CMAC)21، وتنظيم الجهد القائم على التعلم التعزيزي (RLVR)20، وتنسيق موارد الطاقة الموزعة (DERC)26

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

أظهرت النتائج التجريبية أن استراتيجية التنسيق الديناميكي (Dynamic Orchestration Strategy) المقترحة قد حسنت من التنسيق اللامركزي للمغذيات، وتكامل الطاقة المتجددة، واستقرار الجهد، وإدارة الاحتقان، والتنسيق منخفض زمن الوصول مقارنة بكل من التحكم المركزي في الجهد (CVC)33، والتحكم التقليدي متعدد الوكلاء (CMAC)21، وتنظيم الجهد القائم على التعلم التعزيزي (RLVR)20، وتنسيق موارد الطاقة الموزعة (DERC)26، وإدارة الاحتقان القائمة على الحسا...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يصرح المؤلفون بأنه لا توجد لديهم أي تضاربات في المصالح.

شكر وتقدير

تم دعم هذا البحث من قبل مكتب إمدادات الطاقة في قوانغتشو التابع لشركة شبكة كهرباء قوانغدونغ من خلال مشروع "البحث في تكنولوجيا القبول المؤتمت لمعدات قياس الجهد المنخفض بناءً على أتمتة العمليات" (كود المشروع: 030100KC24120100).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
مجموعة بيانات شبكة توزيع الجهد المنخفض 236-BusCanizes et al.DOI: 10.5281/zenodo.8274780مجموعة بيانات مرجعية عامة مستخدمة لتحليل القابلية للتوسع والتحقق واسع النطاق من الإطار المقترح
وحدة المعالجة المركزية (CPU)Intel CorporationIntel Core i9-12900K (16-Core)مستخدمة لإدارة المحاكاة وتنفيذ البيئة
وحدة تحليل حساسية الازدحاموحدة مطورة خصيصاًZenodo DOI: 10.5281/zenodo.21423239تقوم بحساب حساسية الازدحام في الوقت الفعلي وتحديد أولويات المغذيات
مجموعة أدوات CUDANVIDIA CorporationCUDA 12.1منصة حوسبة GPU مستخدمة لتسريع تدريب نموذج PyTorch
مكتبة cuDNNNVIDIA CorporationcuDNN 9.3.0مكتبة تسريع الشبكات العصبية العميقة المستخدمة مع CUDA
محاكي شبكة LV الديناميكي المخصصوحدة مطورة خصيصاًVersion 1.0منصة محاكاة طورها المؤلف تم تنفيذها باستخدام Python وPyTorch لتجارب تنسيق المغذيات الديناميكي. تتوفر تفاصيل التنفيذ في قسمي الطرق وتوافر البيانات.
مكتبة معالجة البياناتpandas Development Teampandas 2.2.2مستخدمة في المعالجة المسبقة، واستخراج الميزات، والتطبيع، وإدارة بيانات السلاسل الزمنية
إطار التعلم العميقPyTorch FoundationPyTorch 2.3.1مستخدم لتنفيذ نموذج التعلم التعزيزي متعدد الوكلاء (MARL)، وتدريب الشبكة العصبية، وتحسين السياسة
وحدة اتصالات الوكلاء الموزعةإطار عمل مطور خصيصاًZenodo DOI: 10.5281/zenodo.21423239تمكن من الاتصال اللامركزي وتبادل السياسات التعاوني بين الوكلاء الأذكياء
مجموعة بيانات FeederBWTreutlein et al.DOI: 10.5281/zenodo.17831177مجموعة بيانات عامة تحتوي على قياسات مغذيات الجهد المنخفض من العالم الحقيقي، والتوليد المتجدد، وملفات التشغيل
وحدة معالجة الرسوميات (GPU)NVIDIA CorporationGeForce RTX 3090, 24 GB GDDR6Xمسرع عتادي مستخدم لتدريب الشبكة العصبية والحوسبة المتوازية
بيئة التعلم التعزيزي متعدد الوكلاءFarama FoundationGym 0.26.2بيئة تعلم تعزيزي مخصصة للتفاعل والتدريب التعاوني للوكلاء الأذكياء
مكتبة الحوسبة العدديةNumPy DevelopersNumPy 1.26.4مستخدمة في الحسابات العددية، ومعالجة الموترات، وعمليات المصفوفات
نظام التشغيلCanonical Ltd.Ubuntu 22.04.5 LTS (64-bit)نظام التشغيل المستخدم في جميع عمليات المحاكاة وتجارب التعلم التعزيزي
لغة برمجة PythonPython Software FoundationPython 3.11.9لغة البرمجة الأساسية المستخدمة في تنفيذ الخوارزميات، والمحاكاة، وتطوير النموذج
ذاكرة النظامLenovo64 GB DDR5 RAMذاكرة النظام المثبتة المستخدمة لمحاكاة MARL واسعة النطاق ومعالجة البيانات.
وحدة مراقبة استقرار الجهدوحدة مطورة خصيصاًZenodo DOI: 10.5281/zenodo.21423239تقوم بتقييم استقرار الجهد والامتثال بشكل مستمر أثناء تنسيق المغذيات

المراجع

  1. Ahmed F, et al. A multi-agent reinforcement learning framework for voltage-constrained incentive demand response in PV-rich low-voltage distribution systems. IEEE Access. 2026;14:45410–22.
  2. Lamsal D, Sreeram V, Mishra Y, Kumar DS. Smoothing control strategy of wind and photovoltaic output power fluctuation by considering the state of health of battery energy storage system. IET Renew Power Gener. 2019;13:578–86.
  3. Allahmoradi S, et al. Data-driven Volt/VAR optimization for modern distribution networks: A review. IEEE Access. 2024;12:71184–204.
  4. O'Connell N, Pinson P, Madsen H, O'Malley M. Benefits and challenges of electrical demand response: A critical review. Renew Sustain Energy Rev. 2014;39:686–99.
  5. Hossain MS, Madlool NA, Al-Fatlawi AW, El Haj Assad M. High penetration of solar photovoltaic structure on the grid system disruption: An overview of technology advancement. Sustainability. 2023;15:1174. https://doi.org/10.3390/su15021174
  6. Rahmouni A. Impact of static reactive power compensator (SVC) on the power grid. WSEAS Trans Electron. 2020;11:96–104.
  7. Chandran CV, et al. Application of demand response to improve voltage regulation with high DG penetration. Electr Power Syst Res. 2020;189:106722. https://doi.org/10.1016/j.epsr.2020.106722
  8. Wang Q, et al. A demand response strategy in high photovoltaic penetration power systems considering the thermal ramp rate limitation. IEEE Access. 2019;7:163814–22.
  9. Wang Z, et al. How to effectively implement an incentive-based residential electricity demand response policy? Experience from large-scale trials and matching questionnaires. Energy Policy. 2020;141:111450. https://doi.org/10.1016/j.enpol.2020.111450
  10. van Tilburg J, Siebert LC, Cremer JL. MARL-iDR: Multi-agent reinforcement learning for incentive-based residential demand response. arXiv. 2023. https://arxiv.org/abs/2304.04086
  11. Bahrami S, Chen YC, Wong VWS. Deep reinforcement learning for demand response in distribution networks. IEEE Trans Smart Grid. 2021;12:1496–506.
  12. Li J, et al. Model-free reinforcement learning economic dispatch algorithms for price-based residential demand response management system. IEEE Trans Ind Cyber-Phys Syst. 2023;1:123–35.
  13. Zheng S, et al. Incentive-based integrated demand response for multiple energy carriers under complex uncertainties and double coupling effects. Appl Energy. 2021;283:116254. https://doi.org/10.1016/j.apenergy.2020.116254
  14. Nainar K, Pillai JR, Bak-Jensen B. Incentive price-based demand response in active distribution grids. Appl Sci. 2020;11:1–17.
  15. Nguyen Duc T, et al. Impact of renewable energy integration on a novel method for pricing incentive payments of incentive-based demand response program. IET Gener Transm Distrib. 2022;16:1648–67.
  16. Pourramezan A, Samadi M. A novel approach for incorporating incentive-based and price-based demand response programs in long-term generation investment planning. Int J Electr Power Energy Syst. 2022;142:108315. https://doi.org/10.1016/j.ijepes.2022.108315
  17. Mathew A, Roy A, Mathew J. Intelligent residential energy management system using deep reinforcement learning. IEEE Syst J. 2020;14:5362–72.
  18. Khan DA, Arshad A, Lehtonen M, Mahmoud K. Combined DR pricing and voltage control using reinforcement learning based multi-agents and load forecasting. IEEE Access. 2022;10:130839-49.
  19. Zhang X, et al. An edge-cloud integrated solution for buildings demand response using reinforcement learning. IEEE Trans Smart Grid. 2021;12:420–31.
  20. Duan J, et al. Deep-reinforcement-learning-based autonomous voltage control for power grid operations. IEEE Trans Power Syst. 2020;35:814–7.
  21. Wang S, et al. A data-driven multi-agent autonomous voltage control framework using deep reinforcement learning. IEEE Trans Power Syst. 2020;35:4644–54.
  22. Turitsyn K, Sulc P, Backhaus S, Chertkov M. Options for control of reactive power by distributed photovoltaic generators. Proc IEEE. 2011;99:1063–73.
  23. Bedawy A, et al. Optimal voltage control strategy for voltage regulators in active unbalanced distribution systems using multi-agents. IEEE Trans Power Syst. 2020;35:1023–35.
  24. Bedawy A, Yorino N, Mahmoud K. Management of voltage regulators in unbalanced distribution networks using voltage/tap sensitivity analysis. Presented at: International Conference on Innovative Trends in Computer Engineering (ITCE); Aswan, Egypt; 2018. https://doi.org/10.1109/itce.2018.8316651
  25. Smith O, et al. The effect of renewable energy incorporation on power grid stability and resilience. Sci Adv. 2022;8:eabj6734. https://doi.org/10.1126/sciadv.abj6734
  26. Charbonnier F, Morstyn T, McCulloch MD. Scalable multi-agent reinforcement learning for distributed control of residential energy flexibility. Applied Energy. 2022;314:118825. doi:10.1016/j.apenergy.2022.118825
  27. Dugan J, Mohagheghi S, Kroposki B. Application of mobile energy storage for enhancing power grid resilience: A review. Energies. 2021;14:6476. https://doi.org/10.3390/en14206476
  28. Panossian N, et al. Challenges and opportunities of integrating electric vehicles in electricity distribution systems. Curr Sustain Renew Energy Rep. 2022;9:27–40.
  29. Guan Q, et al. Dynamic-aware deep reinforcement learning for heterogeneous fleet-based capacitated electric vehicle routing problems. Applied Energy. 2026;413:127757. https://doi.org/10.1016/j.apenergy.2026.127757
  30. Guan Q, et al. Heterogeneous attention-driven deep reinforcement learning for solving EVRPs with pickup-delivery and time windows. Applied Energy. 2026;407:127355. https://doi.org/10.1016/j.apenergy.2026.127355
  31. Treutlein M, et al. Real-world energy data of 200 feeders from low-voltage grids with metadata in Germany over two years (Version v1.0) [Data set]. Zenodo; 2025. https://doi.org/10.5281/zenodo.17831177
  32. Canizes B, Castro F, Silveira V, Vale Z. 236-Bus Low Voltage Distribution Network Data [Data set]. Zenodo; 2023. https://doi.org/10.5281/zenodo.8274780
  33. Xi, Haikuo & Chen, Can & Bai, Xuesong & Ma, Yuan & Ding, Jiachao & Chen, Qifang. (2024). Centralized and decentralized combined voltage control for distribution network with high penetration PV connected. Journal of Physics: Conference Series. 2771. 012040. 10.1088/1742-6596/2771/1/012040.
  34. Singh AK, Parida SK. Congestion management with distributed generation and its impact on electricity market. International Journal of Electrical Power & Energy Systems. 2013;48:39–47. doi:10.1016/j.ijepes.2012.11.025.
  35. Gooi HB, Wang T, Tang Y. Edge intelligence for smart grid: A survey on application potentials. CSEE Journal of Power and Energy Systems. 2023;9(5):1623–1640. https://doi.org/10.17775/CSEEJPES.2022.02210
  36. Molokomme DN, Onumanyi AJ, Abu-Mahfouz AM. Edge intelligence in smart grids: A survey on architectures, offloading models, cyber security measures, and challenges. Journal of Sensor and Actuator Networks. 2022;11(3):47. https://doi.org/10.3390/jsan11030047
  37. Chang Z, Liu S, Xiong X, Cai Z, Tu G. A survey of recent advances in edge-computing-powered artificial intelligence of things. IEEE Internet of Things Journal. 2021;8(18):13849–13875.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

التعلم التعزيزي متعدد الوكلاءإدارة الاحتقانحساسية الجهدالتكامل الموزع للطاقة المتجددةالتنسيق اللامركزيمراقبة المغذياتالمرونة التشغيلية
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.