استفاده از هوش مصنوعی در بهینه سازی مصرف انرژی در نیروگاه های خورشیدی

نیروگاه های خورشیدی به عنوان یکی از منابع انرژی تجدیدپذیر و پاک، نقش کلیدی در کاهش وابستگی به سوخت های فسیلی و کاهش اثرات زیست محیطی دارند. با این حال، چالش هایی مانند ناپایداری تولید انرژی به دلیل تغییرات آب وهوایی و مدیریت ناکارآمد انرژی ذخیره شده، بهره وری این نیروگاه ها را محدود کرده است. هوش مصنوعی به عنوان یک ابزار نوین توانایی حل این چالش ها را دارد و می تواند با استفاده از تحلیل داده های محیطی و پیش بینی شرایط آینده، مصرف انرژی را بهینه و بهره وری نیروگاه ها را افزایش دهد. این تحقیق از روش کمی برای ارزیابی تاثیر هوش مصنوعی بر بهینه سازی مصرف انرژی در نیروگاه های خورشیدی استفاده کرده است. داده های مربوط به شدت تابش خورشید، دما، رطوبت، سرعت باد و میزان تولید انرژی در طول یک سال از یک نیروگاه خورشیدی جمع آوری شدند. سه الگوریتم هوش مصنوعی شامل رگرسیون خطی، جنگل تصادفی، و شبکه های عصبی مصنوعی برای تحلیل داده ها و پیش بینی عملکرد نیروگاه پیاده سازی شدند. عملکرد الگوریتم ها با استفاده از معیارهایی نظیر دقت پیش بینی، میانگین مربعات خطا (MSE) و زمان پردازش ارزیابی شد. نتایج نشان داد که استفاده از هوش مصنوعی تاثیر قابل توجهی بر بهینه سازی مصرف انرژی در نیروگاه های خورشیدی دارد. شبکه های عصبی مصنوعی با دقت پیش بینی ۹۲% و کاهش میانگین مربعات خطا (MSE) به ۰.۰۷، بهترین عملکرد را نسبت به سایر الگوریتم ها داشتند. همچنین، استفاده از این الگوریتم ها باعث کاهش ۱۵% مصرف انرژی در سیستم های ذخیره سازی و افزایش ۲۰% بهره وری کلی نیروگاه شد. برای بررسی معناداری نتایج، از آزمون T و تحلیل واریانس (ANOVA) استفاده شد. نتایج نشان داد که تفاوت میان عملکرد نیروگاه در حالت عادی و حالتی که از هوش مصنوعی استفاده می شود، از نظر آماری معنادار است (P < ۰.۰۵). علاوه بر این، تحلیل حساسیت نشان داد که شبکه های عصبی مصنوعی عملکرد پایدارتری در برابر تغییرات داده های ورودی دارند. استفاده از الگوریتم های هوش مصنوعی باعث مدیریت بهتر انرژی ذخیره شده و پیش بینی دقیق تر نیازهای انرژی شد. این امر منجر به کاهش مصرف انرژی در بخش ذخیره سازی و افزایش بهره وری کلی نیروگاه گردید. یافته ها نشان دادند که شبکه های عصبی مصنوعی در این زمینه بهترین عملکرد را دارند. از جمله محدودیت های این تحقیق می توان به هزینه های بالای پیاده سازی الگوریتم های پیشرفته و نیاز به داده های دقیق و گسترده اشاره کرد. همچنین، تاثیر عوامل محیطی خاص منطقه ممکن است قابل تعمیم به سایر مناطق جغرافیایی نباشد. این تحقیق نشان داد که هوش مصنوعی ابزار قدرتمندی برای بهینه سازی مصرف انرژی در نیروگاه های خورشیدی است. استفاده از الگوریتم های پیشرفته نظیر شبکه های عصبی مصنوعی نه تنها بهره وری نیروگاه را افزایش می دهد، بلکه مصرف انرژی را نیز به طور قابل توجهی کاهش می دهد. پیشنهاد می شود تحقیقات آینده بر ترکیب الگوریتم های مختلف هوش مصنوعی و بررسی اقتصادی پیاده سازی این فناوری ها تمرکز کنند.

کلیدواژه ها:

مدیریت آب ، نیروگاه های بخار ، چالش ها ، راهکارهای پایدار ، تغییرات اقلیمی ، فناوری نوین