طراحی الگوریتم های یادگیری عمیق خودتطبیقی برای پیش بینی و مدیریت اتوماتیک مصرف و تولید در شبکه های برق هوشمند با تمرکز بر مبدل ها و سیستم های قدرت توزیع شده
سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 69
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECMECONF24_123
تاریخ نمایه سازی: 20 شهریور 1404
چکیده مقاله:
با افزایش پیچیدگی شبکه های برق و ادغام انرژی های تجدیدپذیر، پیش بینی دقیق مصرف و تولید انرژی و مدیریت هوشمند شبکه به چالش اصلی تبدیل شده است. این مقاله به بررسی طراحی الگوریتم های یادگیری عمیق خودتطبیقی می پردازد که قادرند به صورت لحظه ای الگوهای مصرف و تولید انرژی را پیش بینی کرده و مدیریت اتوماتیک شبکه های برق هوشمند را انجام دهند. تمرکز این تحقیق بر مبدل ها و سیستم های قدرت توزیع شده است تا با استفاده از تکنیک های هوش مصنوعی، عملکرد شبکه بهینه شده و ثبات سیستم تضمین گردد. نتایج نشان می دهد که استفاده از الگوریتم های یادگیری عمیق خودتطبیقی می تواند به کاهش اتلاف انرژی، افزایش بهره وری و بهبود پایداری شبکه های برق کمک کند.
کلیدواژه ها:
هوش مصنوعی ، یادگیری عمیق خودتطبیقی ، شبکه برق هوشمند ، مبدل های انرژی ، سیستم های قدرت توزیع شده ، پیش بینی مصرف و تولید
نویسندگان
حمید مرادی کمالی
۱- کارشناسی ارشد مهندسی کامپیوتر، دانشگاه علم و صنعت ایران