عنوان الإطروحه |
SMART HOME ENERGY MANAGEMENT SYSTEM USING REINFORCE MENT LEARNING TECHNIQUE
|
تاريخ مناقشة الاطروحه |
2023-12-28 |
اسم الطالب |
صفاء علي جاسم الفواعرة
|
المشرف |
خالد محمد عبدالرحمن بطيحه |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| وائل وحيد علي القصاص |
| رباح محمد احمد الشبول |
| عيسى محمود عيسى شهابات |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
مع التطورات الحديثة في أنظمة التعلم الآلي والذكاء الاصطناعي، اكتسبت تقنية التعلم المعزز تطبيقًا واسعًا في مجالات متنوعة. واحدة من التحديات البارزة هي ارتفاع تكلفة الكهرباء نتيجة للطلب المتزايد على الكهرباء في المنازل، مما يستلزم اعتماد أنظمة إدارة فعّالة لتلبية احتياجات المستهلكين. تقترح هذه الرسالة تنفيذ نظام فعّال لإدارة الطاقة المنزلية مدعومًا بـ استراتيجية ذكية مصممة لشحن وتفريغ السيارات الكهربائية بشكل أمثل. تستخدم الاستراتيجية المقترحة نظام التعلم المعزز لمراقبة عمليات شحن وتفريغ بطارية السيارة الكهربائية بهدف تقليل استهلاك الطاقة والتكاليف.
تثبت تقنية التعلم التعزيزي أنها حلاً ممتازًا لتحسين إدارة الطاقة المنزلية الذكية بسبب قدرتها على التشغيل بفعالية في بيئات ديناميكية ومعقدة. في الاستراتيجية المقترحة، يتم تغذية عميل التعلم المعزز بإشارات تم إنشاؤها عشوائيًا، مثل أسعار الكهرباء المتغيرة وملامح الطلب المتغيرة وسلوك مستخدم السيارة الكهربائية. وهذا يتيح لعميل التعلم المعزز التفاعل والتعلم وضبط استراتيجياته، بهدف تقليل التكاليف وتعزيز كفاءة الطاقة.
تسلط الرسالة الضوء على مقارنة مع وحدة تحكم المنطق الضبابي في تحسين عمليات شحن وتفريغ السيارة الكهربائية. وتظهر الطريقتان أنهما قد سهلتا جدول الطلب وأكدتا رضا المستخدم، ولكن تمتلك طريقة التعلم المعزز ميزة تقليل التكلفة في سيناريوهات مختلفة ومرونة في التكيف مع بيئات المنزل المختلفة وسلوك المستخدم.
|
الملخص بالانجليزي |
With the recent advancements in machine learning and artificial intelligence systems, reinforcement learning (RL) has gained widespread application in various domains. One of the considerable challenges is the increase in electricity costs caused by the escalating demand for electricity in households, necessitating the adoption of efficient management systems to meet consumer needs. This thesis proposes the implementation of an efficient Home Energy Management System (HEMS) supported by a smart strategy designed for optimal charging and discharging (supporting home appliances) of electric vehicles (EVs). The proposed strategy employs a reinforcement learning (RL) system to monitor the EV battery charging and discharging processes, with the aim of minimizing energy consumption and costs.
The RL technique proves to be an excellent solution for optimizing HEMS in the smart home environment due to its ability to operate effectively in dynamic and complex settings. In the proposed strategy, the RL agent is fed with randomly generated signals, such as variable electricity prices, varying demand profiles, and the changing behavior of the EV user (EV availability). This enables the RL agent to interact, learn, and adapt its strategies, ultimately minimizing costs and enhancing energy efficiency.
The thesis highlights a comparison with a Fuzzy Logic Controller (FLC) on optimizing the charging and discharging of the EV. Both methods have smoothed scheduled demand profile and approved user satisfaction, but the RL method has the advantage of reducing the cost in different scenarios and the flexibility in adapting various home setting and user behavior
|
رقم ISN |
8970 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|