مدیریت مصرف انرژی خانگی با استفاده از یادگیری تقویتی چند عاملی

افزایش مصرف انرژی الکتریکی، مسئله ای است که همواره به عنوان یکی از چالش های تامین کنندگان برق مطرح بوده است. به دنبال افزایش مصرف، برنامه های پاسخ گویی بار که سعی در مدیریت مصرف انرژی با اهدافی نظیرکاهش هزینه ها و افزایش قابلیت اطمینان دارند، بیش از پیش مورد توجه قرار گرفته اند. از طرفی هوشمندسازی مصرف کنندگان، امکان بهره گیری هرچه بیشتر از هوش مصنوعی جهت مدیریت انرژی را میسر ساخته است. این مقاله، روشی برای مدیریت مصرف انرژی خانگی با هدف کمینه کردن قبض برق و نارضایتی مشترک ارایه می دهد. با تفکیک بارهای خانه به سه دسته بار های غیرقابل کنترل، قابل جابه جایی و قابل کنترل، یادگیری تقویتی چند عاملی با الگوریتم Q-Learning راهکاری است که در این مقاله برای اتخاذ تصمیمات بهینه در رابطه با هر یک از وسایل خانه در نظر گرفته شده است. به دلیل ماهیت الگوریتم Q-Learning، روش پیشنهادی در این مقاله برخلاف روش های برنامه ریزی عدد صحیح امکان افزودن وسایل بیشتری از خانه و حل مسئله های پیچیده تری را داراست. پیاده سازی روش پیشنهادی این مقاله در بخش مطالعه عددی منجر به کاهش قبض برق مشترک تا 8/24 درصد گردید. همچنین، نتایج حاصل از اعمال روش ارایه شده حاکی از صحت عملکرد آن می باشد.