بهینه سازی مدیریت سمت تقاضا و کاهش اوج مصرف با استفاده از یادگیری ماشین

این تحقیق به بررسی تاثیر بهینه سازی مصرف برق با استفاده از مدل های پیشبینی و الگوریتم های بهینه سازی بر کاهش بار شبکه و مدیریت مصرف پرداخته است. در ابتدا، عملکرد مدلهای پیش بینی مختلف مانند LSTM، ARIMA، XGBoost و Hybrid Model مورد بررسی قرار گرفت و با استفاده از مدلهای پیش بینی مختلف و الگوریتمهای بهینه سازی، مصرف برق بهینه شده و تاثیر آن بر کاهش بار شبکه و کاهش هزینهها مورد بررسی قرار گرفت. نتایج نشان داد که مدل Hybrid بهترین عملکرد را با کمترین میزان خطای پیشبینی از خود نشان داد. این مدل به طور قابل توجهی در کاهش خطای پیشبینی و بهینه سازی بار شبکه موثر بود. نتایج نشان داد که بهینه سازی مصرف برق نه تنها در کاهش مصرف و هزینههای عملیاتی تاثیرگذار بوده بلکه موجب بهبود کیفیت خدمات نیز گردیده است. زمان قطعی برق از ۱۲ ساعت به ۴ ساعت کاهش یافت و مدت زمان پاسخگویی به مشترکین ۷۰% بهبود داشت. علاوه بر این، تعداد شکایات مشترکین به میزان ۷۵% کاهش یافت. بهینه سازی مصرف برق همچنین منجر به صرفه جوییهای قابل توجهی در هزینههای انرژی و نگهداری شبکه شد. این یافته ها حاکی از این است که بهینه سازی مصرف برق با استفاده از مدل های پیشبینی و الگوریتم های بهینه سازی نه تنها باعث کاهش هزینهها و مصرف انرژی می شود، بلکه کیفیت خدمات را نیز به طور چشمگیری بهبود میبخشد.

کلیدواژه ها:

بهینه سازی ، مدیریت تقاضا ، کاهش اوج مصرف ، یادگیری ماشین