Interagerende Machinaal-lerende Entiteiten in Slimme Energienetten

Vele applicaties in het gebied van slimme energienetten (bv. vraagsturing en opslagmanagement) kunnen voordeel hebben bij machinaal leren om de karakteristieken van het lokale energienet, de lokale markt en gebruiker te leren. Performantie van de controle van deze netten kan verhogen indien zulke slimme agenten met elkaar kunnen interageren. Het doel van dit onderzoek is om na te gaan hoe gedistribueerde controle-applicaties positief kunnen beinvloed worden door deze interactie, en hoe performantie van deze regelapparaten kunnen verbeterd en geoptimaliseerd worden.