Dissertação
Community building Battery Management using Reinforcement Learning in a residential scenario EVALUATED
A aposta nas fontes de energia renováveis tem levado a um enorme crescimento na área, resultando em investigadores ficarem curiosos com possíveis métodos de redução de desperdício de energia por elas produzida. Uma solução foi a instalação de sistemas de armazenamento de energia. Estes levaram a um maior aproveitamento de energia produzida por fontes renováveis e consequente diminuição de custos para os seus utilizadores. Contudo, uma maior redução de custo é possível recorrendo a sistemas de controlo de energia que podem decreatar políticas de carga e discarga das baterias. Os primeiros sistemas foram baseados em modelos dos sistemas descritos mas com o aumento de complexidade dos mesmos, têm-se tornado mais díficil modelar tais sistemas, levando a surgirem novas soluções baseadas em aprendizagem por reforço. Com o inutuito de criar e treinar um modelo de aprendizagem em reforço que possa reduzir custos de energia em habitações Portuguesas, em conjunto com a Energias de Portugal (EDP), esta dissertação apresenta um estudo sobre as actuais tecnologias usadas na resolução do problema, apresentando, de seguida uma solução e respetiva avaliação. Esta solução é baseada num algoritmo de aprendizagem em reforço, Deep Deterministic Policy Gradient. Este algoritmo, usado tanto em dados sintéticos como reais, provou que um sistema inteligente é uma mais valia no ataque à redução de custos e desperdício de energia.
novembro 24, 2022, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Sérgio Luís Proença Duarte Guerreiro
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
