Artificial Intelligence based Energy Management in Demand Response Market and Home

Abstract

스마트 그리드는 전기 생성, 전송, 분배 및 소비의 효율적이고, 신뢰할 수 있고, 경제적이며, 지속 가능한 최신 전력 그리드를 나타낸다. 현대의 정보 통신 기술과 첨단 미터링 인프라를 갖춘 스마트 그리드 시스템에서 수요 반응은 전체 전력 시스템의 경제적 효율성은 물론 안정성을 강화하기 위해 에너지 자원의 균형을 맞추는 효율적인 방법이되었다. 이 논문은 스마트 그리드 구현을위한 효율적인 수요 반응 계획을 수립하기위한 요구 사항 측면에서 전력 시장과 주거용 고객을 위해 설계된 인공 지능의 틀 아래에서 두 가지 새로운 수요 반응 알고리즘을 개발 한다. 첫째, RL 및 심층 신경망을 갖춘 스마트 그리드 시스템을 위한 새로운 실시간 인센티브 기반 수요 응답 알고리즘이 제안되었으며, 이는 서비스 제공 업체가 에너지 변동을 분산시키고 그리드 신뢰성을 높이기 위해 가입 한 고객으로부터 에너지 자원을 구매하도록 돕는 것을 목표로 한다. 특히 미래의 불확실성을 극복하기 위해 심층 신경망을 사용하여 알려지지 않은 가격 및 에너지 수요를 예측한다. 그 후 서비스 제공 업체와 고객 모두의 이익을 고려한 다양한 고객에 대한 최적의 인센티브 비율을 얻기 위해 강화 학습이 채택한다. 시뮬레이션 결과는 제안 된 인센티브 기반 수요 반응 알고리즘이 서비스 공급자와 고객 모두에게 윈 - 윈 전략으로 간주 될 수 있는 에너지 자원의 균형을 맞추어 수요자 참여를 유도하고 서비스 제공 업체 및 고객 수익성을 향상 시키며 시스템 안정성을 향상시키는 것으로 나타났다. 둘째, 가정 에너지 관리 시스템을 위한 한시간 사전 수요 반응 알고리즘이 제안되었다. 미래 가격의 불확실성을 다루기 위해 인공 신경망 기반의 가격 예측 모델을 제시한다. 예측 된 미래 가격과 협력하여, 다중 에이전트 강화 학습은 분산 된 방식으로 다른 가전 제품에 대한 최적의 결정을 내리기 위해 채택된다. 제안 된 에너지 관리 계획의 성능을 검증하기 위해, 시뮬레이션은 비가 동성, 변속 가능 및 제어 가능한 부하로 수행된다. 실험 결과는 제안 된 수요 반응 알고리즘이 여러 기기의 에너지 관리를 처리하고 사용자의 에너지 청구서 및 불만족 비용을 최소화하며 사용자가 수요 반응이없는 벤치 마크에 비해 전력 비용을 크게 줄일 수 있음을 보여준다.; Smart grid represents a modern power grid which is efficient, reliable, economical, and sustainable of electricity generation, transmission, distribution, and consumption. In smart grid systems, with the modern information and communication technology and advanced metering infrastructure, demand response has become an efficient way to provide balancing energy resources to strengthen the stability, as well as increase the economic efficiency of the entire power system. In terms of the requirements of devising efficient demand response schemes for realizing smart grid, this dissertation develops two novel demand response algorithms under the framework of artificial intelligence, which are designed for the electricity market and residential customer, respectively. First, a novel real-time incentive-based demand response algorithm for smart grid systems with reinforcement learning and deep neural network was proposed, aiming to help the service provider to purchase energy resources from its subscribed customers to balance energy fluctuations and enhance grid reliability. In particular, to overcome the future uncertainties, deep neural network is used to predict the unknown prices and energy demands. After that, reinforcement learning is adopted to obtain the optimal incentive rates for different customers considering the profits of both service provider and customers. Simulation results show that this proposed incentive-based demand response algorithm induces demand side participation, promotes service provider and customers profitabilities, and improves system reliability by balancing energy resources, which can be regarded as a win-win strategy for both service provider and customers. Second, an hour-ahead demand response algorithm for home energy management systems was proposed. To deal with the uncertainty in future prices, a steady price prediction model based on artificial neural network is presented. In cooperation with forecasted future prices, multi-agent reinforcement learning is adopted to make optimal decisions for different home appliances in a decentralized manner. To verify the performance of the proposed energy management scheme, simulations are conducted with non-shiftable, shiftable, and controllable loads. Experimental results demonstrate that the proposed demand response algorithm can handle energy management for multiple appliances, minimize user energy bills and dissatisfaction costs, and help the user to significantly reduce its electricity cost compared with a benchmark without demand response.