توسعه و پیاده سازی یک چارچوب هوشمند برای پیش بینی پویا و بهینه سازی تطبیقی مصرف انرژی در سیستم های تولید صنعتی با بهره گیری از یادگیری تقویتی عمیق و الگوریتم ژنتیک تطبیقی در راستای ارتقای پایداری زیست محیطی

رشد فزاینده تقاضای جهانی برای انرژی، همراه با الزامات روزافزون حفاظت از محیط زیست، بهینه سازی مصرف انرژی در سامانه های تولید صنعتی را به یک اولویت راهبردی در مدیریت پایدار تولید تبدیل کرده است. در این پژوهش، رویکردی ترکیبی و نوآورانه مبتنی بر ادغام الگوریتم ژنتیک تطبیقی (Adaptive Genetic Algorithm – AGA) با یادگیری تقویتی عمیق (Deep Reinforcement Learning – DRL) ارائه می گردد که هدف آن ارتقاء بهره وری انرژی در فرآیندهای تولیدی بدون کاهش نرخ تولید یا افت کیفیت محصول است. روش پیشنهادی با ایجاد مدل سازی دینامیکی رفتار سامانه های تولید و پیش بینی دقیق الگوهای مصرف انرژی، امکان کاهش مصرف انرژی را تا سقف ۲۵ درصد، در مقایسه با شرایط اولیه، فراهم می سازد.از نوآوری های کلیدی این پژوهش، افزودن محدودیت چندبعدی شامل پایداری زیست محیطی، انعطاف پذیری عملیاتی در برابر نوسانات تقاضا و محدودیت های زمانی چرخه تولید به مدل بهینه سازی است. داده های ورودی بر اساس اطلاعات واقعی گردآوری شده از یک واحد تولید فولاد در ایران تهیه شده و تمامی فرآیندها با الزامات استانداردهای ISO ۵۰۰۰۱ و ISO ۱۴۰۴۰ تطبیق داده شده اند. نتایج تجربی نشان می دهد که روش ترکیبی پیشنهادی، علاوه بر کاهش محسوس مصرف انرژی، موجب بهبود انعطاف پذیری سیستم در پاسخ به تغییرات ناگهانی تقاضا تا حدود ۱۵ درصد می شود.تحلیل حساسیت انجام شده در این پژوهش بیانگر آن است که چارچوب پیشنهادی از پایداری و استحکام بالایی در برابر تغییرات مقادیر پارامترهای کلیدی مدل برخوردار است و می تواند به عنوان یک راهکار عملی و مقیاس پذیر در صنایع انرژی بر به کار گرفته شود. این رویکرد قابلیت تعمیم به سایر حوزه های تولیدی را نیز دارا بوده و بستر مناسبی برای توسعه سامانه های هوشمند مدیریت انرژی در راستای اهداف توسعه پایدار فراهم می آورد.

کلیدواژه ها:

بهینه سازی مصرف انرژی ، الگوریتم ژنتیک تطبیقی ، یادگیری تقویتی عمیق ، سامانه های تولید صنعتی ، پایداری زیست محیطی.