بهره برداری بهینه ریزشبکه‌ هیبریدی برای افزایش بهره وری انرژی الکتریکی در حالت جزیره ایی با بکارگیری شبکه های عصبی با یادگیری عمیق و مدیریت تقاضا

Abstract

در این مقاله از شبکه‌های عصبی با یادگیری عمیق برای پیش‌بینی بار یک ریزشبکه در حالت جزیره‌ای استفاده‌شده است. سپس، با استفاده از نتایج به‌دست‌آمده یک مدل جدید ریاضی بر اساس جابجایی بار به‌صورت پیشرو-پسرو، و خاموشی بار غیرضروری در ساعت‌های اوج مصرف برای مدیریت طرف تقاضا به‌منظور بهبود عملکرد اقتصادی ریزشبکه ارائه‌شده است. همچنین جهت افزایش راندمان انرژی، از توان تجدیدپذیر مازاد تولیدی برای تولید هیدروژن سبز استفاده گردیده است. به همین منظور، از نرم‌افزار بهینه‌سازی GAMS برای بهره‌برداری بهینه برای یک روز در حضور عناصر تجدیدپذیر انرژی، باطری، دیزل ژنراتور، دستگاه الکترولیزکننده آب، و پیل سوختی به همراه قیود مدیریت سمت تقاضا استفاده‌شده است. نتایج به‌دست‌آمده نشان می‌دهند که شبکه‌های عصبی با یادگیری عمیق قادر می‌باشند رفتار پیچیده، تصادفی، و غیرخطی بار را با دقت بالایی پیش‌بینی کنند. همچنین، مدل ریاضی ارائه‌شده برای بهینه‌سازی و جابجایی بار ریزشبکه موردنظر نقش کلیدی در صرفه‌جویی انرژی الکتریکی، کاهش هزینه‌ عملکرد، افزایش تولید هیدروژن سبز، و افزایش راندمان انرژی دارد.