<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>دکتر محمد دوستی زاده</PublisherName>
      <JournalTitle>نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue></Issue>
      <PubDate PubStatus="epublish">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Application of Artificial Intelligence in Optimizing Electricity Distribution Based on New Energies: An Approach for Sustainable Development</ArticleTitle>
    <VernacularTitle>کاربرد هوش مصنوعی در بهینه‌سازی توزیع برق 
مبتنی بر انرژی‌های نوین: رویکردی برای توسعه پایدار</VernacularTitle>
    <FirstPage></FirstPage>
    <LastPage></LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>سید</FirstName>
        <LastName>رضا</LastName>        <Affiliation>شرکت توزیع برق مازندران</Affiliation>
      </Author>
      <Author>
        <FirstName>احمد</FirstName>
                <Affiliation>عضو هیات علمی، گروه برق، دانشکده فنی مهنندسی، واحد نکا، دانشگاه آزاد اسلامی، نکا، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>سید</FirstName>
        <LastName>جعفر</LastName>        <Affiliation>عضو هیات علمی، گروه برق، دانشکده فنی مهنندسی، واحد نکا، دانشگاه آزاد اسلامی، نکا، ایران</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>

    <Abstract>This research aimed to develop a hybrid framework based on fuzzy logic, machine learning, and multi-objective optimization for managing uncertainty and promoting sustainability in electricity distribution based on new energies. The research method was designed using solar and wind electricity production and consumption data for the period 2022 to 2025. The proposed model was able to significantly increase the accuracy of network load forecasting (RMSE reduction from 10.2 to 3.9 and R&amp;sup2; increase from 0.79 to 0.93) and reduce the average network losses to 9.1%. Also, sustainability indicators including carbon emission reduction (7.4%) and energy efficiency increase (about 8%) were improved. The main innovation of the research is the simultaneous integration of risk management, efficiency, and sustainability in an integrated framework that is repeatable and generalizable to different regions. This framework can be used as a practical tool for policymakers and industrial operators to achieve sustainable development and increase the resilience of electricity networks.</Abstract>
    <OtherAbstract Language="FA">این پژوهش با هدف توسعه یک چارچوب ترکیبی مبتنی بر منطق فازی، یادگیری ماشین و بهینه‌سازی چندهدفه برای مدیریت عدم‌قطعیت و ارتقای پایداری در توزیع برق مبتنی بر انرژی‌های نوین انجام شد. روش تحقیق با استفاده از داده‌های تولید و مصرف برق خورشیدی و بادی در بازه زمانی ۲۰۲۲ تا ۲۰۲۵ طراحی گردید. مدل پیشنهادی توانست دقت پیش‌بینی بار شبکه را به‌طور چشمگیری افزایش دهد (کاهش RMSE از ۱۰.۲ به ۳.۹ و افزایش R&amp;sup2; از ۰.۷۹ به ۰.۹۳) و میانگین کاهش تلفات شبکه را به ۹.۱٪ برساند. همچنین، شاخص‌های پایداری شامل کاهش انتشار کربن (۷.۴٪) و افزایش بهره‌وری انرژی (حدود ۸٪) بهبود یافتند. نوآوری اصلی پژوهش در ادغام همزمان مدیریت ریسک، کارایی و پایداری در یک چارچوب یکپارچه است که قابلیت تکرار و تعمیم به مناطق مختلف را دارد. این چارچوب می‌تواند به‌عنوان ابزاری کاربردی برای سیاست‌گذاران و بهره‌برداران صنعتی در جهت دستیابی به توسعه پایدار و افزایش تاب‌آوری شبکه‌های برق مورد استفاده قرار گیرد.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">fuzzy logic</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">risk assessment</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">sustainable development</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">optimization</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">machine learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">renewable energies</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">power grid efficiency</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/1285047</ArchiveCopySource>
  </Article>
</ArticleSet>
