دانلود مقاله انگلیسی رایگان:یادگیری تقویتی عمیق و LSTM برای استفاده بهینه از انرژی تجدیدپذیر در اینترنت 5G انرژی با تحمل داده های بد - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Deep reinforcement learning and LSTM for optimal renewable energy accommodation in 5G internet of energy with bad data tolerant Deep reinforcement learning and LSTM for optimal renewable energy accommodation in 5G internet of energy with bad data tolerant
    Deep reinforcement learning and LSTM for optimal renewable energy accommodation in 5G internet of energy with bad data tolerant

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Deep reinforcement learning and LSTM for optimal renewable energy accommodation in 5G internet of energy with bad data tolerant


    ترجمه فارسی عنوان مقاله:

    یادگیری تقویتی عمیق و LSTM برای استفاده بهینه از انرژی تجدیدپذیر در اینترنت 5G انرژی با تحمل داده های بد


    منبع:

    Sciencedirect - Elsevier - Computer Communications, 156 (2020) 46-53. doi:10.1016/j.comcom.2020.03.024


    نویسنده:

    Lin Lin a, Xin Guan a,∗, Benran Hu b, Jun Li c, Ning Wang b, Di Sun b


    چکیده انگلیسی:

    With the high penetration of large scale distributed renewable energy generations, there is a serious curtailment of wind and solar energy in 5G internet of energy. A reasonable assessment of large scale renewable energy grid-connected capacities under random scenarios is critical to promote the efficient utilization of renewable energy and improve the stability of power systems. To assure the authenticity of the data collected by the terminals and describe data characteristics precisely are crucial problems in assessing the accommodation capability of renewable energy. To solve these problems, in this paper, we propose an L-DRL algorithm based on deep reinforcement learning (DRL) to maximize renewable energy accommodation in 5G internet of energy. LSTM as a bad data tolerant mechanism provides real state value for the solution of accommodation strategy, which ensures the accurate assessment of renewable energy accommodation capacity. DDPG is used to obtain optimal renewable energy accommodation strategies in different scenarios. In the numerical results, based on real meteorological data, we validate the performance of the proposed algorithm. Results show considering the energy storage system and demand response mechanism can improve the capacity of renewable energy accommodation in 5G internet of energy.
    Keywords: 5G internet of energy | Renewable energy accommodation | Deep reinforcement learning | Demand response | LSTM


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 408 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi