بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی

با گسترش استفاده از منابع انرژی تجدیدپذیر و اهمیت ریزشبکه ها در شبکه های هوشمند، مدیریت انرژی به یکی از چالش های مهم تبدیل شده است. روش های سنتی بهینه سازی اغلب توانایی کافی برای مقابله با عدم قطعیت تولید و تغییرات بار را ندارند. در این مقاله یک چارچوب ترکیبی مبتنی بر یادگیری عمیق و الگوریتم های تکاملی پیشنهاد می شود. ابتدا پیش بینی بار و تولید انرژی تجدیدپذیر با استفاده از مدل های LSTM و CNN-LSTM انجام می شود و سپس تخصیص منابع انرژی با الگوریتم های ژنتیک PSO و الگوریتم های نوین طبیعت الهام بهینه سازی می گردد. نتایج شبیه سازی مفهومی نشان می دهد که روش پیشنهادی باعث کاهش ۱۵٪ هزینه انرژی و بهبود ۱۰٪ پایداری ولتاژ نسبت به روش های سنتی می شود.

کلیدواژه ها:

ریزشبکه ، مدیریت انرژی ، یادگیری عمیق ، الگوریتم های تکاملی ، بهینه سازی