Оптимизация энергопотребления в интеллектуальных энергосетях с использованием алгоритмов машинного обучения для устойчивого городского развития (ENG)

По мере роста городского населения во всем мире традиционные электросети сталкиваются с проблемами эффективности и стабильности. В данной статье предлагается оптимизированная структура управления интеллектуальными сетями с использованием глубокого обучения, в частности сетей долговременной кратковременной памяти (LSTM), для высокоточного прогнозирования спроса на энергию. Интегрируя данные IoT в реальном времени с историческими моделями потребления, предлагаемая модель снижает пиковые нагрузки и способствует бесшовной интеграции возобновляемых источников энергии. Результаты демонстрируют значительное снижение средней абсолютной процентной ошибки (MAPE) по сравнению с традиционными линейными моделями, что обеспечивает масштабируемое решение для устойчивого городского развития.