برق گرایش کنترل 111770

---

شرح پروژه

#کدپروژه: 111770

موضوع :  برق گرایش کنترل  

موضوع: تکمیل پروژه MATLAB (Deep RL – Safe-SAC) + دیتاست مناسب + تعمیم به ۳ خانه (۳ عامل) با خرید/فروش انرژی

سلام وقت بخیر  

من یک پروژه در MATLAB دارم. الگوریتم Safe-SAC پیاده‌سازی شده و کد پایه موجود است و اجرا می‌شود؛ اما به‌خاطر دیتای نامناسب و همچنین نیاز به تعمیم، خروجی قابل دفاع نمی‌دهد. در Safe-SAC علاوه بر هدف اصلی، یک تابع هزینه/قید ایمنی (Safety Cost/Constraint) هم داریم که باید در آموزش و ارزیابی رعایت شود. لطفاً زمان و هزینه را برای دو فاز زیر جداگانه اعلام بفرمایید.

---

# فاز ۱) تهیه/تولید دیتاست آموزشی مناسب (برای ۳ خانه)

هدف این فاز تهیه/تولید دیتایی است که هم برای یادگیری پایدار مناسب باشد و هم خروجی‌ها واقع‌گرایانه بماند.

State/Action و ساختار دیتا (ترجیح و انعطاف):  

- ترجیح این است که Stateها و Actionهای فعلی تا حد امکان حفظ شوند تا تغییرات کم و هزینه کنترل‌شده باشد.  

- با این حال اگر برای چندعامله شدن و اینکه عامل‌ها «از وضعیت همدیگر/بازار داخلی» اطلاع حداقلی داشته باشند لازم شد، افزودن تعداد محدودی ویژگی به State (و فقط در صورت ضرورت، تغییر محدود در Action) قابل انجام است. لطفاً اگر چنین نیازی دیدید، قبل از نهایی‌سازی، پیشنهادتان را شفاف بفرمایید (چه چیزی اضافه شود و چرا).

هدر/ستون‌های فایل دیتا:  

- شما در فرمت خروجی (CSV/MAT) و هدر/ستون‌ها آزادی کامل دارید و می‌توانید بسته به نیاز، ستون اضافه/حذف/جایگزین کنید؛ مهم این است که در پایان یک نگاشت شفاف ارائه شود که هر ستون دیتاست به کدام ورودی/متغیر محیط وصل می‌شود و کد با آن سازگار شود.

نکته خیلی مهم برای ۳ خانه (برای واقعی شدن خرید/فروش):  

- دیتای هر سه خانه نباید یکسان/کپی‌شده باشد. پروفایل بار/تولید/EV و… باید برای هر خانه متفاوت طراحی شود (می‌تواند همبستگی منطقی داشته باشد اما برابر نباشد)، چون اگر هر سه خانه دقیقاً یک پروفایل داشته باشند عملاً نه مازاد قابل فروش در یک خانه شکل می‌گیرد و نه نیاز واقعی به خرید در خانه دیگر و P2P بی‌معنی می‌شود.

کیفیت و واقع‌گرایی دیتا (خلاصه در یک پاراگراف):  

دیتا باید طوری آماده/تولید شود که دینامیک باتری/EV غیرواقعی نشود (محدودیت توان شارژ/دشارژ و تغییرات SOC در هر گام زمانی منطقی باشد و جهش شدید نداشته باشیم)، تنوع سناریوها فقط به کمبود/مازاد محدود نشود (ترکیب‌های مختلف قیمت، تولید تجدیدپذیر، بار، وضعیت EV و… پوشش داده شود تا overfit رخ ندهد)، و در صورت نیاز نرمال‌سازی/مقیاس‌بندی ورودی‌ها و اجزای پاداش/هزینه طوری انجام شود که آموزش Safe-SAC پایدار بماند و اختلاف مقیاس متغیرها باعث ناپایداری یادگیری نشود.

> گام زمانی فعلی ۱ ساعت است، ولی اگر برای کیفیت آموزش لازم باشد قابل تغییر است (مثلاً ۳۰ دقیقه). مهم این است که خروجی نهایی با کد قابل استفاده باشد یا تبدیل/هماهنگ‌سازی آن انجام شود.

خروجی فاز ۱:  

- دیتاست نهایی (ترجیحاً چند سناریو/اپیزود متنوع) + اسکریپت تولید/آماده‌سازی  

- توضیح کوتاه ۱–۲ صفحه‌ای از منطق تولید، رنج‌ها، و نگاشت ستون‌ها به متغیرهای کد

---

# فاز ۲) تعمیم به ۳ خانه (۳ عامل مستقل) + خرید/فروش انرژی + مرتب‌سازی حداقلی

در این فاز مدل از حالت تک‌خانه به حالت سه خانه تعمیم داده شود:

- ۳ Agent مستقل (برای هر خانه یک عامل جدا)  

- امکان خرید/فروش با شبکه اصلی  

- امکان خرید/فروش بین خانه‌ها (P2P trading) با یک مکانیزم ساده و قابل توضیح  

- چون پروژه Safe-SAC است، علاوه بر هدف اقتصادی/اصلی، هزینه/قیود ایمنی هم باید در آموزش و خروجی رعایت شود.

مرتب‌سازی کد (در دل همین فاز):  

کد نهایی فقط به حدی مرتب باشد که بخش‌های هزینه/پاداش/ایمنی/قیود جدا و قابل توضیح باشند و بتوانم به استاد ارائه کنم.

خروجی فاز ۲:  

- آموزش انجام شود و خروجی‌ها خصوصاً SOC باتری/EV و تبادلات انرژی غیرواقعی نباشد  

- چند نمودار/گزارش: هزینه/پاداش، هزینه ایمنی (Safety Cost)، تبادل با شبکه، تبادل بین خانه‌ها، SOCها و…

---

## برای برآورد قیمت

لطفاً:

1) زمان و هزینه هر فاز را جدا اعلام کنید.  

2) بفرمایید برای شروع دقیقاً چه چیزهایی از من لازم دارید (کد فعلی، توضیح state/action فعلی، نمونه دیتای فعلی، …).  

3) اگر تشخیص شما این بود که برای چندعامله شدن باید به State/Action چیزی اضافه شود، لطفاً همان ابتدا پیشنهاد دقیق (چه تغییر و چرا) را اعلام کنید.

(بعد از اعلام برآورد اولیه، کد فعلی و اطلاعات لازم را ارسال می‌کنم.) سلام مجدد برق گرایش کنترل 

مهارت ها و تخصص های مورد نیاز

---

---