پروژه یادگیری تقویتی (101409)

---

شرح پروژه

سلام

من یه پروزه میخواستم

پروژه بخشی از کار دکترا هست 

مربوط به یادگیری تقویتی هست.

 نیاز به یک متخصص یاد گیری تقویتی و graph neural network  داشتم ، که پروژه رو انجام بدیم به یک متخصص سطح بالا نیلز داشتم

عنوان پروژه :

Deep Reinforcement Learning for Integrated Building Retrofit and Distributed Energy Planning: A Multi-Stakeholder Neighborhood Decarbonization Framework

رشته: 

رشته خودم مربوط به gis, energy transition  هست. پروژه بخشی از کار دکترام هست. 

به فرد متخصص تو reinforcement learning  نیاز داشتم

ترجیحا  کامپیوتری یا برق

زمان:

دو  ماه بشه، ایده ال میشه! قابل مذاکره به سه ماه!

متن پروژه: 

این پروژه یک چارچوب بهینه‌سازی برای برنامه‌ریزی 20 ساله انتقال انرژی در سطح محله (حدود 150 ساختمان ) است. هدف یافتن بهترین مسیر برای:

- بازسازی پوسته ساختمان‌ها (عایق‌کاری، پنجره، سقف)

- الکتریفیکاسیون سیستم گرمایش (تبدیل گاز به پمپ حرارتی)

- نصب پنل خورشیدی و باتری

- کاهش وابستگی به شبکه برق اصلی

استفاده از یادگیری تقویتی عمیق که می‌تواند تصمیمات متوالی بگیرد و تاثیر بلندمدت اقدامات را در نظر بگیرد.

هدف: کمترین هزینه + کمترین CO2 + بیشترین خودکفایی

تعریف اولیه state, action, reward   ها رو دارم! و به مرور در طی کار اگر تغییر لازم بود میتونیم انجام بدیم! 

ورودی‌ها (من می‌دهم)

✅ 500 فایل شبیه‌سازی UBEM (تقاضای انرژی ساعتی)

✅ هزینه بازسازی و تجهیزات

✅ پروفایل خورشیدی ساعتی

✅ مقاله مرجع (PDF پیوست)

ساختار مسئله

State :

سال، قیمت‌ها، وضعیت ساختمان‌ها، ظرفیت خورشیدی/باتری، معیارهای شبکه

Actions :

بازسازی  ساختمان‌ها

الکتریفیکاسیون

نصب خورشیدی

نصب باتری

هیچ‌کاری نکن

Reward:

R = -(هزینه سرمایه + هزینه انرژی + جریمه انتشار + جریمه شبکه)

الگوریتم:

 نیاز به بحث دارد. 

کد Python 

خروجی‌ها:

کد کامل + documentation

فایل‌های پیوست:

کارم هم کانسپتش تا حدود زیادی شبیه به کار این مقاله هست! ولی یک سری تفاوت هایی داره تو نوع دادهه ها و خروجی های مدنظر!

Multi-energy microgrid expansion planning with reliability consideration 

based on deep reinforcement learning

101409

مهارت ها و تخصص های مورد نیاز

---

---