کنترل هماهنگ توان و بار در نیروگاه های سیکل ترکیبی با استفاده از یادگیری تقویتی

Abstract

نیروگاه‌های سیکل ترکیبی یکی از منابع اصلی تولید برق در بسیاری از کشورها هستند که شامل واحدهای گازی و بخاری میباشند. این نیروگاه‌ها به دلیل ویژگی‌های دینامیکی متفاوت این دو نوع واحد، مشکلاتی در هماهنگی و کنترل توان و بار در شرایط متغیر بار شبکه دارند. این پروژه به‌منظور حل مشکل کنترل توان و بار به‌صورت هماهنگ بین واحدهای گازی و بخاری در نیروگاه‌های سیکل ترکیبی، از یادگیری تقویتی (Reinforcement Learning) بهره می‌برد. هدف این تحقیق طراحی یک مدل یادگیری تقویتی است که بتواند به‌طور خودکار و پویا توان را بین این واحدها توزیع کرده و از نوسانات ولتاژ جلوگیری کند. در این پژوهش، یک محیط شبیه‌سازی‌شده برای نیروگاه‌های سیکل ترکیبی ایجاد شده و الگوریتم‌های یادگیری تقویتی، مانند Q-Learning و Deep Q-Network (DQN)، برای بهینه‌سازی کنترل بار و توان به‌کار گرفته می‌شوند. نتایج نشان می‌دهد که الگوریتم‌های یادگیری تقویتی قادر به بهبود هماهنگی تولید برق، کاهش نوسانات ولتاژ و افزایش پایداری شبکه هستند. در شبیه سازی که در محیط متلب انجام شد ، نوسانات ولتاژ کاهش یافته و فرکانس را در برابر تغییرات ناگهانی یطور سریع به حالت پایدار برگرداند. این نشان می‌دهد که الگوریتم یادگیری تقویتی، به‌ویژه در شرایط دینامیکی و پیچیده، قادر است از نوسانات ناخواسته جلوگیری کند و عملکرد بهتری در حفظ پایداری شبکه ارائه دهد.