خوارزمية البحث البكتيري الديناميكي الهجين مع الذاكرة قصيرة المدى الطويلة والنظام العصبي الضبابي التكيفي للتنبؤ بالحمل قصير المدى واحتياطي الدوران

الملخص

يُعدّ التنبؤ الدقيق بالحمل قصير المدى واحتياطي الدوران أمرًا أساسيًا لضمان التشغيل الآمن لأنظمة الطاقة، مما يُسهّل توليد الكهرباء بكفاءة وإدارة الطلب. تُقدّم هذه الورقة البحثية نهجًا مبتكرًا للتنبؤ الهجين، يدمج شبكات الذاكرة طويلة المدى (LSTM) ونماذج النظام العصبي الضبابي التكيفي (ANF)، المُحسّنة بواسطة خوارزمية البحث البكتيري الديناميكي (DBFO). يُعدّ نموذج LSTM الأنسب لاكتشاف أنماط السلاسل الزمنية، بينما يحتوي نظام ANF على منطق ضبابي وشبكة عصبية اصطناعية (ANN) للتعامل مع عدم اليقين وعدم خطية البيانات. تُعدّل خوارزمية DBFO المعاملات الفائقة للنموذجين من خلال تعديل المعاملات الأساسية ديناميكيًا وفقًا لتغيرات البيئة. تؤكد الاختبارات المكثفة على بيانات نظام الطاقة الفعلي أن النماذج الهجينة المقترحة تُقدّم أداءً أفضل من الطرق التقليدية، مما يُوفّر تنبؤات قوية وموثوقة للحمل واحتياطي الدوران. كما تُعزّز الدراسات المقارنة مع أدوات التعلم الآلي التقليدية وخوارزميات التحسين الحالية تفوق المنهجية المقترحة.