متخصص یادگیری تقویتی

شرح پروژه

ورودی ها و داده ها و این که خروجی چی باشه و دقیق میگم! متخصص یادگیری تقویتی میخوام که ببره رو اون. و همچنین بتونن شبکه عصبی اش هم بزنه!

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 20% ساختمان‌ها
الکتریفیکاسیون 15%
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!

1_Multi-energy microgrid expansion planning with reliability consideration 
based on deep reinforcement learningf

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

کاربر722027

عضویت ده ساعت پیش

1 پروژه ثبت شده ،

0 پروژه در حال انجام ،

1 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 0%