Startsida
Hjälp
Sök i LIBRIS databas

     

 

Sökning: onr:5fvrm1wx350cdqdq > A plug-and-play hom...

A plug-and-play home energy management algorithm using optimization and machine learning techniques [Elektronisk resurs]

Paridari, Kaveh (författare)
IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm) 
Azuatalam, Donald (författare)
Chapman, Archie C. (författare)
Verbič, Gregor (författare)
Nordström, Lars, 1969- (författare)
KTH Skolan för elektroteknik och datavetenskap (EECS) (utgivare)
KTH Skolan för elektro- och systemteknik (EES) (utgivare)
Publicerad: 2018
Engelska.
Läs hela texten
Läs hela texten
Läs hela texten
Läs hela texten
  • E-bok
Sammanfattning Ämnesord
Stäng  
  • A smart home is considered as an automated residential house that is provided with distributed energy resources and a home energy management system (HEMS). The distributed energy resources comprise PV solar panels and battery storage unit, in the smart homes in this study. In the literature, HEMSs apply optimization algorithms to efficiently plan and control the PV-storage, for the day ahead, to minimize daily electricity cost. This is a sequential stochastic decision making problem, which is computationally intensive. Thus, it is required to develop a computationally efficient approach. Here, we apply a recurrent neural network (RNN) to deal with the sequential decision-making problem. The RNN is trained offline, on the historical data of end-users’ demand, PV generation, time of use tariff and optimal state of charge of the battery storage. Here, optimal state of charge trace is generated by solving a mixed integer linear program, generated from the historical demand and PV traces and tariffs, with the aim of minimizing daily electricity cost. The trained RNN is called policy function approximation (PFA), and its output is filtered by a control policy, to derive efficient and feasible day-ahead state of charge. Furthermore, knowing that there are always new end-users installing PV-storage systems, that don’t have historical data of their own, we propose a computationally efficient and close-to-optimal plug-and-play planning and control algorithm for their HEMSs. Performance of the proposed algorithm is then evaluated in comparison with the optimal strategies, through numerical studies. 

Ämnesord

Engineering and Technology  (hsv)
Electrical Engineering, Electronic Engineering, Information Engineering  (hsv)
Control Engineering  (hsv)
Teknik och teknologier  (hsv)
Elektroteknik och elektronik  (hsv)
Reglerteknik  (hsv)

Genre

government publication  (marcgt)
Inställningar Hjälp

Uppgift om bibliotek saknas i LIBRIS

Kontakta ditt bibliotek, eller sök utanför LIBRIS. Se högermenyn.

Om LIBRIS
Sekretess
Blogg
Hjälp
Fel i posten?
Kontakt
Teknik och format
Sök utifrån
Sökrutor
Plug-ins
Bookmarklet
Anpassa
Textstorlek
Kontrast
Vyer
LIBRIS söktjänster
SwePub
Sondera
Uppsök

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

Copyright © LIBRIS - Nationella bibliotekssystem

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy