“Application of Artificial Intelligence in Renewable Energy Production Forecasting and Energy Consumption Management”

سرفصل‌های کارگاه آموزشی:

1) معرفی پیش بینی بار و پیش بینی مصرف برق

2) انرژی‌های تجدیدپذیر و معرفی برترین کشورهای پیشرو در انرژی‌های تجدیدپذیر (بر اساس تولید برق سالانه خورشیدی و بادی) طی سال های 2023 و 2024

3) افق های زمانی: پیش بینی بار کوتاه مدت، پیش بینی بار میان مدت، پیش بینی بار بلند مدت، اهمیت انتخاب افق پیش بینی مناسب

4) بررسی ادبیات:

طبقه بندی مدل های پیش بینی بار الکتریکی: مدل های فیزیکی، مدل های آماری، مدل های مبتنی بر هوش مصنوعی، مدل های ترکیبی

چرا هوش مصنوعی (AI)؟ / رویه های اجرای هوش مصنوعی برای پیش‌بینی تولید انرژی‌های تجدیدپذیر

چالش در روش های سنتی

مزایای هوش مصنوعی در پیش بینی بار

مدل‌های مبتنی بر هوش مصنوعی مدرن: شبکه‌های عصبی مصنوعی، مدل‌های یادگیری ماشین، مدل‌های یادگیری عمیق، روش‌های پیش‌بینی PV/باد مبتنی بر یادگیری غیر فدرال، روش‌های پیش‌بینی PV/باد مبتنی بر یادگیری فدرال

جمع آوری داده ها

پیش پردازش داده ها و مهندسی ویژگی و انتخاب ویژگی و ایجاد ویژگی، نرمال سازی، مقیاس بندی و نمایش داده ها

5)  بهینه سازی فراپارامتر و تجزیه و تحلیل عملکرد / معیارها

آموزش و تنظیم مدل های یادگیری ماشینی

6)  پیامدهای پیش‌بینی مبتنی بر هوش مصنوعی برای مدیریت مؤثر منابع انرژی در ایران

7)  استفاده از تجزیه و تحلیل داده های بزرگ در برنامه های مدیریت انرژی

8)  معیارهای ارزیابی عملکرد

9)  تحلیل های عددی

10)  چالش ها، چشم اندازها و روندهای آینده و نتیجه گیری