کنفرانس مهندسی برق ایران

صفحه اصلی / سی و سومین کنفرانس بین المللی مهندسی برق

Net Load Forecasting of Household Prosumers Considering Deep Reinforcement Learning

نویسندگان :

Behzad Motallebi Azar¹ Rasool Kazemzadeh² Morteza Zare Oskouei³ Behnam Mohammadi-Ivatloo⁴

1- Sahand University of Technology 2- Sahand University of Technology 3- Sahand University of Technology 4- Lappeenranta University of Technology

کلمات کلیدی :

Net load forecasting،Machine learning،Household prosumers،Deep reinforcement learning

چکیده :

The advent of machine learning (ML) has opened up a promising avenue for forecasting energy systems operations. Meanwhile, deep reinforcement learning (DRL) algorithms as advanced ML techniques attracted lots of attention. In this regard, this study employs the twin delayed deep deterministic policy gradient (TD3) DRL algorithm to forecast net load in a mid-term manner for heterogeneous household prosumers over consecutive days during summer and winter, highlighting seasonal variations. Moreover, all simulations are run based on real-world data to depict the efficiency of the proposed framework.

لیست مقالات

لیست مقالات بایگانی شده

Enhancing Disaster Communication: Multi-UAV Optimization for Efficient Coverage

Amirhossein Solati - Javad Zeraatkar Moghaddam - Mehrdad Ardebilipour

Network-based functional connectivity in MDD with suicide ideation before and after TMS: An fMRI case study

Moslem Khafi - Morteza Fattahi - Hamid Soltanian-Zadeh - Reza Rostami

Validation of statistical models for direction of arrival, time of arrival and received power in a simple indoor Terahertz channel

Sina Sheybani - Amir ahmad Shishegar

بهبود بازدهی انرژی در اینترنت اشیاء باند باریک با وفقی‌سازی لینک به کمک یادگیری عمیق

سمانه امیریان - محمدعلی سبقتی

تولید پایگاه داده مصنوعی برای مقره های الکتریکی از روی داده‌های تصویری با استفاده از شبکه‌های مولد تخاصمی

امیرحسین جراره - ابولفضل منافی - سعید شمقدری

Using Compressive Sensing Technique in Image Sensing

Zahra Sepehri - Seyed Masoud Sayedi - Ehsan Yazdian

Fast Adapted Delay and Sum Reconstruction Algorithm in Circular Photoacoustic Tomography

Soheil Hakakzadeh - Seyed masood Mostafavi - Zahra Kavehvash

تخمین کانال متغیربازمان در سیستم‌های MIMO – موج‌میلی‌متری چندکاربره

زهرا معروفی - امیرحسین مولازاده - مهرداد اردبیلی‌پور

Application of Statistical Techniques and Machine Learning in Forecasting Distribution Network Load: A Real Case Study on the Iranian Power System

Hossein Jafari - Mohammad Sadegh Sepasian - Fatemeh Teimori

A New Physical Philosophy to Model and Interpret Partial Discharge Phenomenon

Arman Vasigh Zadeh Ansari - Mahdi Vakilian

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 40.4.2