Ακαδημαϊκή έρευνα — Διπλωματική εργασία, MSc Artificial Intelligence (2026)

Αποκεντρωμένη βελτιστοποίηση πολιτικής σε Εικονικούς Σταθμούς Παραγωγής (VPP)

Πόσο μπορεί να περιοριστεί η επικοινωνία ανάμεσα σε αυτόνομους «πράκτορες» ενέργειας (φωτοβολταϊκά, μπαταρία, φορτίο) χωρίς να επιβαρυνθεί το λειτουργικό κόστος; Μια ελεγχόμενη ερευνητική μελέτη, με πλήρη διαφάνεια στα ευρήματά της — θετικά και μη.

ετερογενείς πράκτορες: φωτοβολταϊκά, μπαταρία, φορτίο

8.784

ωριαίες μετεωρολογικές παρατηρήσεις (Ιωάννινα, 2024)

50%

μείωση επικοινωνιακού φορτίου (μηχανιστικά επιβεβαιωμένη)

εκπαιδευμένα μοντέλα, πλήρως αναπαραγώγιμα (SHA-256)

Το πρόβλημα

Ένας Εικονικός Σταθμός Παραγωγής (Virtual Power Plant – VPP) συντονίζει κατανεμημένους ενεργειακούς πόρους — φωτοβολταϊκά, μπαταρίες, ευέλικτα φορτία — ώστε να λειτουργούν ως ενιαίο χαρτοφυλάκιο. Όταν οι τοπικοί ελεγκτές έχουν πρόσβαση μόνο σε μερική πληροφόρηση, η επικοινωνία μεταξύ τους έχει αξία — αλλά και κόστος: περιορισμένο εύρος ζώνης, καθυστερήσεις, εξάρτηση από υποδομή. Το ερευνητικό ερώτημα δεν είναι απλώς αν η επικοινωνία βελτιώνει τον έλεγχο, αλλά ποια ελάχιστη πληροφορία απαιτείται για επαρκή συντονισμό.

Η προσέγγιση

Μεθοδολογία

Διατύπωση ως Αποκεντρωμένη Μερικώς Παρατηρήσιμη Μαρκοβιανή Διαδικασία Απόφασης (Dec-POMDP), υλοποίηση σε Python με PettingZoo και PyTorch
Σύγκριση δύο baseline χωρίς ανταλλαγή μηνυμάτων (MAPPO/LocalActor και αρχιτεκτονικά αντιστοιχισμένο δίκτυο πολιτικής γράφου) με μια πρωτότυπη μέθοδο περιορισμένης επικοινωνίας: το Constrained Communication Policy Gradient (CCPG)
Το CCPG συνδυάζει μηχανισμό προσοχής σε γράφο (graph attention) με αυστηρό όριο ενός εισερχόμενου μηνύματος ανά πράκτορα, ανά ώρα
Δεδομένα: 8.784 πραγματικές ωριαίες παρατηρήσεις καιρού 2024 για τα Ιωάννινα (Open-Meteo Historical API), διαχωρισμένα χρονολογικά σε 7.344 ώρες εκπαίδευσης, 720 επικύρωσης και 720 τελικού ελέγχου
Τελική αξιολόγηση σε 30 μη επικαλυπτόμενα 24ωρα, με 5 στοχαστικές επαναλήψεις ανά ημέρα, σε 3 ανεξάρτητες εκπαιδεύσεις με διαφορετική τυχαία αρχικοποίηση

Ευρήματα

Η μηχανιστική υπόθεση επιβεβαιώθηκε: 50% μείωση του επικοινωνιακού φορτίου (4.608 έναντι 9.216 bytes ανά 24ωρο επεισόδιο)
Δεν τεκμηριώθηκε στατιστικά σημαντικό οικονομικό όφελος: το CCPG είχε μέσο κόστος υψηλότερο κατά 1,04% έναντι πλήρους επικοινωνίας (95% διάστημα εμπιστοσύνης: −0,73€ έως +1,01€/ημέρα, p=0,559)
Η ίδια η εργασία περιγράφει τα ευρήματα ως «εξερευνητική τεκμηρίωση proof-of-concept, όχι επιχειρησιακή επικύρωση»
Πλήρης αναπαραγωγιμότητα: σταθεροποιημένες εκδόσεις εξαρτήσεων, 12 αποθηκευμένα μοντέλα, πρωτογενή αποτελέσματα, αρχείο τεκμηρίωσης προέλευσης και αποτυπώματα SHA-256

Η έρευνα εκπονήθηκε στο πλαίσιο διπλωματικής εργασίας για το MSc Artificial Intelligence (Metropolitan College / University of East London, υποβολή Αύγουστος 2026) και αποτελεί ελεγχόμενη προσομοίωση σε μικρή κλίμακα — όχι λειτουργία πραγματικού VPP. Τα ευρήματα παρουσιάζονται όπως ακριβώς προκύπτουν από την εργασία, συμπεριλαμβανομένων των στατιστικά μη σημαντικών αποτελεσμάτων.

Γιατί έχει σημασία

Στη συμβουλευτική AI, η αξία δεν είναι μόνο τα εντυπωσιακά νούμερα — είναι και η τίμια αξιολόγηση του τι δουλεύει και τι όχι, πριν μπει σε παραγωγική λειτουργία. Αυτή η μελέτη δείχνει πώς σχεδιάζεται και αξιολογείται σωστά ένα σύστημα πολυπρακτορικής ενισχυτικής μάθησης για ενεργειακά συστήματα: με ρητή διατύπωση του προβλήματος, στατιστικό έλεγχο αντί για υποκειμενική κρίση, και σαφή αναγνώριση των ορίων εγκυρότητας πριν διατυπωθεί οποιοσδήποτε ισχυρισμός επιχειρησιακής ετοιμότητας.

Σκέφτεστε AI για ενεργειακά ή άλλα σύνθετα συστήματα;

Από ακαδημαϊκή έρευνα αιχμής μέχρι πρακτική εφαρμογή — δείτε τις υπηρεσίες μας ή επικοινωνήστε απευθείας.

Επικοινωνήστε μαζί μας