تحسين التصميم والتنبؤ بالأداء القائم على التعلم الآلي لأنظمة التزود بالوقود الهيدروجيني للشبكات الصغيرة باستخدام الانحدار الغاوسي للعملية

تبحث هذه الورقة البحثية في أوجه التآزر بين الشبكات الكهربائية الصغيرة (MGs) ومحطات إعادة تزويد الهيدروجين (H2RS) لتوفير إمدادات طاقة موثوقة وفعّالة من حيث التكلفة في المناطق القاحلة. ويُقترح نموذج تحسين لتحديد السعات المثلى لمكونات MG-H2RS، مع مراعاة الظروف الجوية الفعلية واستراتيجية قياس صافي الطاقة. ويهدف هذا النموذج إلى تقليل تكاليف دورة الحياة مع تلبية الطلب على الكهرباء والهيدروجين. وقد طُوّر نموذج انحدار العمليات الغاوسي (GPRM) لإنشاء طريقة تنبؤية قائمة على التعلم الآلي، ترصد العلاقات المعقدة وغير الخطية بين متغيرات المدخلات (الظروف الجوية، استهلاك الطاقة) ومتغيرات المخرجات (توليد الطاقة وإنتاج الهيدروجين). وتُظهر النتائج أن التصميم الأمثل يُقلل تكاليف دورة الحياة بنسبة 15.8%، ويُقلل استهلاك الوقود الأحفوري بنسبة 62.2%، ويُقلل انبعاثات الكربون بنسبة 65.3%. يحقق GPRM قيم R2 أعلى من 0.99 للمخرجات الرئيسية، وتظهر مخططات الانحدار Q-Q وتوزيعات الأخطاء انحرافًا ضئيلًا في معظم مخرجات الأداء، مما يؤكد التقارب المستقر للنموذج ودقة التنبؤ القوية.