بهره برداري بهينه ريزشبكه‌ هيبريدي براي افزايش بهره وري انرژي الكتريكي در حالت جزيره اي با به كارگيري شبكه هاي عصبي با يادگيري عميق و مديريت تقاضا

در اين مقاله از شبكه‌هاي عصبي با يادگيري عميق براي پيش‌بيني بار يك ريزشبكه در حالت جزيره‌اي استفاده‌شده است. سپس، با استفاده از نتايج به‌دست‌آمده يك مدل جديد رياضي بر اساس جابجايي بار به‌صورت پيشرو-پسرو، و خاموشي بار غيرضروري در ساعت‌هاي اوج مصرف براي مديريت طرف تقاضا به‌منظور بهبود  عملكرد اقتصادي ريزشبكه ارائه‌شده است. همچنين جهت افزايش راندمان انرژي، از توان تجديدپذير مازاد توليدي براي توليد هيدروژن سبز استفاده گرديده است. به همين منظور، از نرم‌افزار بهينه‌سازي GAMS براي بهره‌برداري بهينه براي يك روز در حضور عناصر تجديدپذير انرژي، باطري، ديزل ژنراتور، دستگاه الكتروليزكننده آب، و پيل سوختي به همراه قيود مديريت سمت تقاضا استفاده‌شده است. نتايج به‌دست‌آمده نشان مي‌دهند كه شبكه‌هاي عصبي با يادگيري عميق قادر مي‌باشند رفتار پيچيده، تصادفي، و غيرخطي بار را با دقت بالايي پيش‌بيني كنند. همچنين، مدل رياضي ارائه‌شده براي بهينه‌سازي و جابجايي بار ريزشبكه موردنظر نقش كليدي در صرفه‌جويي انرژي الكتريكي، كاهش هزينه‌ عملكرد، افزايش توليد هيدروژن سبز، و افزايش راندمان انرژي دارد.