بهینه سازی هاب های انرژی با در نظر گرفتن انرژی های تجدید پذیر مانند نیروگاه های بادی، تلمبه ذخیره ای، chp و چیلر با استفاده از تکنیک های هوش مصنوعی و یادگیری عمیق

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 123

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECMECONF19_032

تاریخ نمایه سازی: 18 تیر 1403

چکیده مقاله:

هاب های انرژی به عنوان زیرساخت های محوری برای یکپارچه سازی منابع مختلف انرژی تجدیدپذیر مانند نیروگاه های بادی، پمپ های ذخیره سازی، سیستم های ترکیبی حرارت و برق (CHP)، چیلرها و غیره عمل می کنند. این مقاله یک رویکرد جامع برای بهینه سازی هاب های انرژی، با تاکید بر ترکیب انرژی های تجدیدپذیر و تکنیک های پیشرفته هوش مصنوعی (AI) ارائه می کند. فرآیند بهینه سازی شامل هماهنگی پیچیده منابع انرژی متنوع برای برآورده کردن تقاضا و در عین حال به حداکثر رساندن کارایی و به حداقل رساندن اثرات زیست محیطی است. اجزای کلیدی روش پیشنهادی شامل الگوریتم های پیشرفته هوش مصنوعی و تکنیک های یادگیری عمیق است که مدل سازی پویا، تجزیه و تحلیل پیش بینی کننده و استراتژی های کنترل تطبیقی را امکان پذیر می سازد. از طریق ادغام هم افزایی انرژی های تجدیدپذیر و بهینه سازی مبتنی بر هوش مصنوعی، هاب های انرژی می توانند پایداری، انعطاف پذیری و دوام اقتصادی را در چشم انداز انرژی در حال تحول افزایش دهند.

کلیدواژه ها:

هاب های انرژی ، انرژی های تجدیدپذیر ، نیروگاه های بادی ، پمپ های ذخیره سازی ، حرارت و برق ترکیبی (CHP).

نویسندگان

رضا صدیقی فاروجی

دانشجوی مقطع دکتری مهندسی برق کنترل دانشگاه آزاد تهران مرکزی.

ملیحه صدیقی فاروجی

فراغ التحصیل کارشناسی ارشد هوش مصنوعی و رباتیک، دانشگاه غیرانتفاعی اشراق بجنورد

میترا صوفی زاده

کارشناسی مهندسی صنایع دانشگاه پیام نور دلیجان

لاله طهماسبی سرقلی نوترکی

فارغ تحصیل کارشناسی مهندسی تکنولوژی نرم افزار دانشگاه ازاد اسلامی ایذه