tToday, as a consequence of the gro

tToday, as a consequence of the growing installation of efficient technologies, e.g. micro-combined heatand power (micro-CHP), the integration of traditionally separated electricity and natural gas networkshas been attracting attentions from researchers in both academia and industry. To model the interactionamong electricity and natural gas networks in distribution systems, this paper models a residential cus-tomer in a multi-energy system (MES). In this paper, we propose a fully automated energy managementsystem (EMS) based on a reinforcement learning (RL) algorithm to motivate residential customers for par-ticipating in demand side management (DSM) programs and reducing the peak load in both electricityand natural gas networks. This proposed EMS estimates the residential customers’ satisfaction function,energy prices, and efficiencies of appliances based on the residential customers’ historical actions. Sim-ulations are performed for the sample model and results depict how much of each energy, i.e. electricityand natural gas, the residential customer should consume and how much of natural gas should be con-verted in order to meet electricity and heating loads. It is also shown that the proposed RL algorithmreduces residential customer energy bill and electrical peak load up to 20% and 24%, respectively

ผลลัพธ์ (ไทย) 1:

tToday เป็นผลมาจากการติดตั้งเทคโนโลยีที่มีประสิทธิภาพ พลังเช่นไมโครรวม heatand (micro CHP), รวมของประเพณีแยก networkshas ไฟฟ้าและก๊าซธรรมชาติเติบโตรับการดึงดูดแน่นจากนักวิจัยในสถาบันการศึกษาและอุตสาหกรรม ต้องการ interactionamong ไฟฟ้าและก๊าซธรรมชาติเครือข่ายในระบบจำหน่าย กระดาษนี้รุ่น cus-tomer อาศัยพลังงานหลายระบบ (MES) ในกระดาษนี้ เราเสนอการพลังงานอัตโนมัติ managementsystem (EMS) อิงเสริมการเรียนรู้อัลกอริทึม (RL) เพื่อกระตุ้นให้ลูกค้าที่อยู่อาศัยสำหรับ ticipating ตราไว้ในความต้องการด้านการจัดการ (DSM) โปรแกรม และลดภาระสูงสุดในเครือข่ายทั้งก๊าซธรรมชาติ electricityand EMS ที่นี้นำเสนอประมาณการฟังก์ชันความพึงพอใจของลูกค้าที่อยู่อาศัย ราคาพลังงาน และประสิทธิภาพของเครื่องใช้ตามดำเนินการประวัติศาสตร์ของลูกค้าที่อยู่อาศัย Sim ulations ดำเนินการสำหรับสินค้าตัวอย่าง และผลแสดงถึงจำนวนของพลังงานแต่ละ เช่นก๊าซธรรมชาติ electricityand ลูกค้าที่อยู่อาศัยควรกิน และจำนวนของก๊าซธรรมชาติควรปรับ verted เพื่อตอบสนองโหลดไฟฟ้าและเครื่องทำความร้อน มันยังแสดงให้เห็นว่า เสนอ RL algorithmreduces ลูกค้าที่อยู่อาศัยพลังงานเงินและไฟฟ้ายอดโหลดสูงสุด 20% และ 24% ตามลำดับ

ผลลัพธ์ (ไทย) 2:

tToday เป็นผลมาจากการติดตั้งการเติบโตของเทคโนโลยีที่มีประสิทธิภาพเช่นไมโครรวมพลัง heatand (ไมโคร CHP) บูรณาการของการไฟฟ้าแยกประเพณีและ networkshas ก๊าซธรรมชาติที่ดึงดูดความสนใจรับจากนักวิจัยทั้งในการศึกษาและอุตสาหกรรม โมเดล interactionamong ไฟฟ้าและก๊าซธรรมชาติเครือข่ายในระบบการกระจายบทความนี้รุ่นที่อยู่อาศัยยูเอส-Tomer ในหลายระบบพลังงาน (MES) ในบทความนี้เราจะเสนอ managementsystem พลังงานโดยอัตโนมัติอย่างเต็มที่ (EMS) อยู่บนพื้นฐานของการเสริมแรงการเรียนรู้ (RL) ขั้นตอนวิธีการที่จะกระตุ้นให้ลูกค้าที่อยู่อาศัยสำหรับตราไว้หุ้นละ ticipating ในการบริหารจัดการด้านอุปสงค์ (DSM) โปรแกรมและการลดการใช้ไฟฟ้าสูงสุดทั้งใน electricityand เครือข่ายก๊าซธรรมชาติ . นี้เสนอ EMS ประมาณการ 'ฟังก์ชั่นความพึงพอใจของราคาพลังงานและประสิทธิภาพของเครื่องใช้ขึ้นอยู่กับที่อยู่อาศัยของลูกค้าที่อยู่อาศัยที่ลูกค้ากระทำประวัติศาสตร์ ซิม ulations-จะดำเนินการสำหรับรูปแบบตัวอย่างและผลการแสดงให้เห็นถึงวิธีการมากของแต่ละพลังงานเช่นก๊าซธรรมชาติ electricityand ลูกค้าที่อยู่อาศัยควรกินและวิธีการมากของก๊าซธรรมชาติควรจะ Con-verted เพื่อตอบสนองการผลิตไฟฟ้าและความร้อนโหลด นอกจากนี้ยังแสดงให้เห็นว่าการเสนอ RL algorithmreduces ที่อยู่อาศัยค่าพลังงานของลูกค้าและการใช้ไฟฟ้าสูงสุดไฟฟ้าสูงถึง 20% และ 24% ตามลำดับ

ผลลัพธ์ (ไทย) 3:

ttoday เป็นผลของการติดตั้งเทคโนโลยีที่มีประสิทธิภาพ เช่น ไมโคร ( Micro CHP ) และพลังงานรวม บูรณาการของผ้าแยกไฟฟ้าและก๊าซธรรมชาติ networkshas ถูกดึงดูดความสนใจจากนักวิจัยทั้งในภาคการศึกษาและอุตสาหกรรม ไปแบบ interactionamong ไฟฟ้าและก๊าซธรรมชาติเครือข่ายในระบบจำหน่าย กระดาษรุ่นนี้เป็น cus tomer ที่อยู่อาศัยในระบบพลังงานหลาย ( เดือน ) ในกระดาษนี้เราเสนออัตโนมัติระบบการจัดการพลังงาน ( EMS ) โดยเสริมการเรียนรู้ ( RL ) ขั้นตอนวิธีการกระตุ้นลูกค้าที่อยู่อาศัยสำหรับพาร์ ticipating ในการจัดการด้านการใช้ไฟฟ้า ( DSM ) โปรแกรมและการลดภาระสูงสุดในเครือข่ายก๊าซธรรมชาติทั้ง electricityand . นี้นำเสนอ EMS ประมาณที่อยู่อาศัยความพึงพอใจของลูกค้าฟังก์ชัน ราคาพลังงาน และประสิทธิภาพของอุปกรณ์บนพื้นฐานของลูกค้าที่อยู่อาศัยประวัติศาสตร์การกระทํา ซิม ulations จะแสดงผลตัวอย่างรูปแบบและแสดงวิธีการมากของแต่ละพลังงาน เช่น ก๊าซธรรมชาติ electricityand ลูกค้าที่อยู่อาศัยควรกินและวิธีการมากของก๊าซธรรมชาติควรคอน verted เพื่อตอบสนองโหลดไฟฟ้าและความร้อน นอกจากนี้ยังแสดงให้เห็นว่าลูกค้าเสนอ RL algorithmreduces ที่อยู่อาศัยพลังงานและไฟฟ้า บิลสูงสุดถึง 20% และ 24 ตามลำดับ