| dc.contributor.author | آریان نژاد, محسن | fa_IR |
| dc.date.accessioned | 1402-08-19T21:10:01Z | fa_IR |
| dc.date.accessioned | 2023-11-10T21:10:02Z | |
| dc.date.available | 1402-08-19T21:10:01Z | fa_IR |
| dc.date.available | 2023-11-10T21:10:02Z | |
| dc.date.issued | 2023-10-01 | en_US |
| dc.date.issued | 1402-07-09 | fa_IR |
| dc.identifier.citation | آریان نژاد, محسن. (1402). 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. نشریه کیفیت و بهره وری صنعت برق ایران, 12(3), 53-60. | fa_IR |
| dc.identifier.issn | 2322-2344 | |
| dc.identifier.issn | 10 | |
| dc.identifier.uri | http://ieijqp.ir/article-1-947-fa.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/1044276 | |
| dc.description.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. | fa_IR |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | انجمن مهندسی بهره وری صنعت برق ایران | fa_IR |
| dc.relation.ispartof | نشریه کیفیت و بهره وری صنعت برق ایران | fa_IR |
| dc.relation.ispartof | Iranian Electric Industry Journal of Quality and Productivity | en_US |
| dc.subject | انرژی تجدیدپذیر | fa_IR |
| dc.subject | بهره‌برداری بهینه | fa_IR |
| dc.subject | شبکه های عصبی | fa_IR |
| dc.subject | یادگیری عمیق | fa_IR |
| dc.subject | مدیریت تقاضا. | fa_IR |
| dc.subject | عمومى | fa_IR |
| dc.title | 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 | fa_IR |
| dc.type | Text | en_US |
| dc.type | پژوهشي | fa_IR |
| dc.contributor.department | دانشگاه فنی و حرفه ایی | fa_IR |
| dc.citation.volume | 12 | |
| dc.citation.issue | 3 | |
| dc.citation.spage | 53 | |
| dc.citation.epage | 60 | |
