کتاب تحلیل و شبیه‌سازی MARL برای خودتنظیمی شبکه‌های توزیع انرژی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و شبیه‌سازی MARL برای خودتنظیمی شبکه‌های توزیع انرژی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت انرژی در شبکه‌های توزیع هوشمند با قابلیت خودتنظیمی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبکه‌های توزیع انرژی هوشمند و ضرورت استفاده از سیستم‌های خودتنظیم
  • 2. مروری بر مبانی یادگیری تقویتی تک‌عامله و چندعامله (MARL) در مهندسی برق
  • 3. مدل‌سازی ریاضی اجزای شبکه توزیع انرژی و منابع انرژی توزیع‌شده (DERs)
  • 4. تعریف مسئله‌ی خودتنظیمی (Self-Organization) در ریزشبکه‌ها و شبکه‌های توزیع
  • 5. طراحی فضای حالت (State Space) برای عوامل هوشمند در مدیریت انرژی
  • 6. طراحی فضای عمل (Action Space) و کنترل تجهیزات شبکه توسط عوامل
  • 7. تعیین و فرموله‌سازی توابع پاداش (Reward Functions) برای پایداری ولتاژ و فرکانس
  • 8. چالش عدم‌ایستایی (Non-stationarity) در محیط‌های چندعامله انرژی
  • 9. معرفی معماری‌های یادگیری متمرکز با اجرای غیرمتمرکز (CTDE) در مدیریت شبکه
  • 10. پیاده‌سازی الگوریتم‌های پایه چندعامله مانند MADDPG و QMIX برای کنترل توان
  • 11. مدیریت بار پیک و پاسخگویی به بار (Demand Response) با عاملهای هوشمند
  • 12. کنترل خودکار منابع انرژی تجدیدپذیر متناوب (خورشیدی و بادی) با MARL
  • 13. بهینه‌سازی جریان توان بهینه (OPF) با استفاده از یادگیری تقویتی توزیع‌شده
  • 14. مدیریت شارژ ناوگان خودروهای برقی (EVs) در پارکینگ‌های هوشمند
  • 15. تشخیص خطا، ایزوله‌سازی و بازیابی خودکار (FLISR) با الگوریتم‌های چندعامله
  • 16. پایداری و تحلیل همگرایی الگوریتم‌های MARL در شبکه‌های مقیاس بزرگ
  • 17. تلفیق یادگیری تقویتی عمیق با شبکه‌های عصبی گراف (GNN) برای مدل‌سازی توپولوژی شبکه
  • 18. مدیریت بازار برق محلی و تجارت انرژی همتابه‌همتا (P2P) با عوامل خودمختار
  • 19. امنیت سایبری و مقابله با حملات تزریق داده در کنترل‌کننده‌های چندعامله
  • 20. شبیه‌سازی سناریوهای بحران، خطوط قطع‌شده و نوسانات شدید بار
  • 21. توسعه محیط‌های شبیه‌سازی اختصاصی شبکه‌های قدرت برای الگوریتم‌های MARL
  • 22. بهینه‌سازی مصرف ذخیره‌سازهای انرژی (باتری‌ها) در سطح شبکه توزیع
  • 23. ارزیابی عملکرد و مقایسه روش‌های سنتی کنترل با رویکرد یادگیری تقویتی چندعامله
  • 24. پیاده‌سازی یک پروژه جامع شبیه‌سازی خودتنظیمی شبکه توزیع انرژی از صفر تا صد
تگ‌ها: Demand Response Distributed Energy Resources MADDPG MARL Multi-Agent Reinforcement Learning Power Systems Smart Grid خودتنظیمی شبکه ریزشبکه شبکه‌های توزیع هوشمند مدیریت انرژی هوش مصنوعی در برق یادگیری تقویتی چندعامله یادگیری تقویتی عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.