| بهینهسازی سیستم قدرت مبتنی بر یادگیری ماشین |
| کد مقاله : 1233-NAEC |
| نویسندگان |
|
NASASIRA DENIS * Ahlul Bayt International University |
| چکیده مقاله |
| ادغام بهینه تولید پراکنده (DG) برای افزایش عملکرد و کارایی در سیستمهای توزیع مدرن بسیار حیاتی شده است. با این حال، جانمایی و اندازهگذاری نامناسب واحدهای DG میتواند منجر به ناپایداری ولتاژ، افزایش تلفات انرژی و کاهش ظرفیت شبکه شود. در حالی که روشهای بهینهسازی سنتی به طور گستردهای به کار گرفته شدهاند، اما اغلب در مواجهه با عدم قطعیتها و پیچیدگیهای دینامیکی شبکههای برق معاصر با مشکل مواجه میشوند. این مرور جامع رویکردهای مبتنی بر یادگیری ماشین برای بهینهسازی تولید پراکنده (DG) را بررسی میکند، با تمرکز ویژه بر الگوریتمهای ژنتیک برای اندازهگیری بهینه، شبکههای عصبی مصنوعی برای پیشبینی بار و تولید، و یادگیری تقویتی برای کنترل تطبیقی سیستم. مقاله بهطور سیستماتیک برتری این روشهای یادگیری ماشین نسبت به تکنیکهای سنتی در مدیریت محیطهای تصادفی و بهبود قابلیت اطمینان کلی سیستم را تحلیل میکند. از طریق ارزیابی مقایسهای ادبیات موجود، این مرور روندهای کلیدی، شاخصهای عملکرد و مسیرهای تحقیقاتی آینده برای ادغام هوشمند DG در شبکههای توزیع هوشمند را شناسایی میکند. |
| کلیدواژه ها |
| تولید توزیعشده، یادگیری ماشین، بهینهسازی سیستم برق، مکانیابی و اندازهگذاری تولید توزیعشده، ادغام انرژیهای تجدیدپذیر، شبکه هوشمند. |
| وضعیت: پذیرفته شده |
