Aprendizado por reforço aplicado a jogos baseados em grafos multi-agente para o balanceamento de oferta e demanda de energia elétrica no contexto de geradores distribuídos
Energia Renovável, Geração Distribuída, Oferta e Demanda, Aprendizado por Reforço, Jogos baseados em Grafos Multi-agente
A integração de fontes de energia renováveis como a eólica e a solar nos sistemas elétricos de potência são de grande importância ambiental por reduzirem a emissão de gases poluentes, porém devido ao fato delas serem fontes de energia intermitentes não garantem o balanceamento de oferta e demanda de energia elétrica. O uso dessas fontes na geração distribuída torna necessário balancear a oferta e a demanda de energia elétrica para manter um certo equilíbrio no grid e reduzir os custos. Pelo fato do gerenciamento do grid ser uma tarefa complexa, um modelo baseado em dados como o aprendizado por reforço pode ser aplicado em problemas do sistema elétrico por se adaptar em ambientes dinâmicos. Aprendizado por reforço aplicado a jogos baseados em grafos multi-agente pode ser usado para a sincronização de saída dos agentes como forma de balancear a oferta e demanda de energia elétrica. Os resultados podem ser avaliados usando a soma cumulativa das recompensas para o aprendizado por reforço, a comparação entre oferta e demanda no mesmo intervalo de tempo, os custos e a quantidade de emissão de carbono. Assim o presente trabalho propõe a aplicação de aprendizado por reforço aplicado a jogos baseados em grafos multi-agente ao problema de balanceamento de oferta e demanda de energia elétrica. O algoritmo implementado será comparado com outros algoritmos de aprendizado por reforço e também pode ser comparado com outras técnicas da literatura como metaheurísticas e os algoritmos serão testados na plataforma Grid2Op.