برنامه ریزی بهینه مدیریت انرژی تجدیدپذیر و ذخیره ساز برای یک ریزشبکه هوشمند صنعتی با استفاده از مدل ترکیبی جدید مبتنی بر آموزش عمیق ماشین

منابع انرژی تجدیدپذیر به عنوان یک گزینه اولویت دار برای کاهش هزینه و کاهش انتشار گازهای گلخانه ای از سوخت های فسیلی توجه زیادی را به خود جلب کرده اند. بااین حال، استفاده از آنها باعث عدم قطعیت و کاهش قابلیت اطمینان در صنایع می شود. علاوه بر این، نوسانات سریع در تولید انرژی های تجدیدپذیر می تواند زیرساخت های شبکه را تحت فشار قرار دهد و به سرمایه گذاری در سیستم های مدیریت شبکه پیشرفته و راه حل های ذخیره انرژی برای حفظ ثبات و قابلیت اطمینان سیستم نیاز دارد. در این مقاله یک چارچوب جامع برای بهینه سازی عملکرد و سودآوری یک ریزشبکه هوشمند پیشنهاد می شود. برای این منظور، ابتدا با استفاده از روش های انتخاب مشخصه های مناسب برای مدل پیش بینی ترکیبی با معماری شبکه های عصبی آبشاری و یادگیری عمیق، به طور دقیق بار خالص و قیمت برق را پیش بینی می شود. بر اساس نتایج به دست آمده، الگوریتم پیشنهادی به طور میانگین به دقت پیش بینی قابل توجهی برای پیش بینی بار خالص و قیمت برق دست می یابد که اثربخشی آن را در مدل سازی پیچیدگی های ذاتی این متغیرها نشان می دهد. علاوه بر این، این مقاله تاثیر ذخیره ساز انرژی را بر سودآوری ریزشبکه هوشمند بررسی می کند. نتایج نشان می دهد که ترکیب یک ذخیره ساز انرژی با اندازه بهینه می تواند درآمد ریزشبکه هوشمند را تا میزان قابل توجهی افزایش دهد و مزایای اقتصادی ذخیره سازی انرژی را در کاهش چالش های ناشی از یکپارچه سازی انرژی های تجدیدپذیر برجسته کند.

کلیدواژه ها:

تخمین بار خالص ، یادگیری عمیق ، مولدهای خورشیدی ، ذخیره سازهای انرژی ، شبکه های عصبی