Las estaciones de recarga de hidrógeno distribuidas permiten el acoplamiento de generación renovable, almacenamiento y satisfacción de la demanda; sin embargo, su rendimiento depende del control coordinado bajo estrictos límites físicos de seguridad. Los controladores centralizados a menudo son imprácticos debido a restricciones de privacidad y enlaces de comunicación poco confiables, mientras que el aprendizaje sin restricciones puede reducir los costos operativos a expensas de excursiones de presión inseguras. Por lo tanto, este estudio evalúa la coordinación con restricciones de seguridad en múltiples estaciones utilizando programación distribuida basada en aprendizaje federado y compara un baseline de Control Local no federado (solo local, sin coordinación). Usando una regla de viabilidad primero con un umbral de aceptación de τ=0.2 en la métrica de violación de presión (Vp≤0.2), el mejor controlador general factible (Control Local) logró un costo de 2131.83 con una violación de presión Vp=0.172, lo que representa una reducción del 37.22% en comparación con un costo de referencia centralizado de 3396.25. El entrenamiento federado con Promedio Federado y un esquema de mezcla solar-viento produjo la mejor política federada factible (costo 2423.72, Vp=0.163) con 866,688 bytes transmitidos. Simulaciones extensas informan sobre costo, demanda no satisfecha, violaciones de seguridad y sobrecarga de comunicación, demostrando que la selección basada en viabilidad es esencial porque las políticas de menor costo pueden ser inseguras (por ejemplo, costo 1952.27 con Vp=2.63).
Al-Shammari et al. (2026) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: