05331namaa22004331i 4500 EG-GICUC 20260430202801.0 260430s2025 ua a|||frm||| 000 0 eng d EG-GICUC eng EG-GICUC EG-GICUC rda eng eng ara Deposit 006.31 006.31 21 Ph.D Cai01.13.08.Ph.D.2025.Mo.O Mohamed Sayed Mohamed Ibrahim, preparation. Optimal energy management for PV storage system in a hybrid microgrid using deep learning techniques / by Mohamed Sayed Mohamed Ibrahim ; Supervisors Prof. Dr. Hanan Ahmed Kamal, Prof. Dr. Sawsan Morkos Gharghory. اﻹدارة اﻟﻤﺜﻠﻰ ﻟﻠﻄﺎﻗﺔ ﻟﻨﻈﺎم اﻟﺘﺨﺰﯾﻦ اﻟﻜﮭﺮوﺿﻮﺋﻲ ﻓﻲ ﺷﺒﻜﺔ ﺻﻐﯿﺮة ھﺠﯿﻨﺔ ﺑﺎﺳﺘﺨﺪام ﺗﻘﻨﯿﺎت اﻟﺘﻌﻠﻢ اﻟﻌﻤﯿﻖ 2024. 106 pages : illustrations ; 30 cm. + CD. text rda content Unmediated rdamedia volume rdacarrier Thesis (Ph.D)-Cairo University, 2025. Bibliography: pages 96-106. Solar energy is a key renewable resource in the pursuit of global clean energy goals. However, like other renewable sources, it suffers from intermittency and unpredictability, which pose challenges to grid stability. Energy storage systems offer a viable solution by storing excess energy for use during periods of low solar generation. This thesis addresses the major challenges faced by hybrid microgrids and presents a comprehensive, integrated solution based on advanced algorithmic techniques. In the first part, two novel hybrid deep learning models are proposed for forecasting photovoltaic (PV) power generation and load demand over various time horizons ranging from 30 minutes to 24 hours. These models, namely, the CNN-LSTM Autoencoder and the LSTM-CNN Transformer, demonstrate improved accuracy and adaptability across short- and long-term forecasts. In the second part, the attention is towards managing battery energy systems. A new Hybrid Grey Wolf Optimizer–Particle Swarm Optimization (GWO-PSO) algorithm is developed to optimize the charging and discharging schedule of a PV-battery storage system connected to a microgrid. The proposed method effectively minimizes grid power consumption peaks, enhancing the overall efficiency and stability of the system. تُعد الطاقة الشمسية من أهم مصادر الطاقة المتجددة لتحقيق أهداف الطاقة النظيفة على مستوى العالم. ومع ذلك، فإنها، كغيرها من مصادر الطاقة المتجددة، تعاني من التقطع والعشوائية، مما يسبب تحديات في استقرار الشبكات الكهربائية. وتُعد أنظمة تخزين الطاقة حلاً فعالاً لهذه المشكلة، حيث تتيح تخزين الفائض من الطاقة لاستخدامه في فترات انخفاض التوليد الشمسي. يتناول هذا البحث التحديات الرئيسية التي تواجه الشبكات الصغيرة الهجينة، ويقدم حلاً شاملاً ومتكاملاً يعتمد على تقنيات خوارزمية متقدمة. في الجزء الأول، تم اقتراح نموذجين جديدين للتعلم العميق الهجين لتوقع توليد الطاقة الكهروضوئية والطلب على الطاقة على مدى آفاق زمنية متعددة تتراوح بين 30 دقيقة و24 ساعة. النموذجان المقترحان، وهما الشبكة الهجينة CNN-LSTM Autoencoder وشبكة LSTM-CNN Transformer، أظهرا دقة عالية وقابلية للتكيف في التنبؤات قصيرة وطويلة الأمد. في الجزء الثاني، فيُركّز على إدارة بطاريات التخزين. حيث تم تطوير خوارزمية هجينة جديدة تجمع بين خوارزمية الذئب الرمادي (GWO) وخوارزمية تحسين أسراب الجسيمات (PSO)، بهدف تحسين جدول شحن وتفريغ نظام تخزين الطاقة الكهروضوئية المتصل بالشبكة الصغيرة. وتُظهر النتائج أن الطريقة المقترحة تُقلل من ذروة استهلاك الطاقة من الشبكة، مما يُحسّن من كفاءة واستقرار النظام بشكل عام. Issues also as CD. Text in English and abstract in Arabic & English. Deep Learning اﻟﺘﻌﻠﻢ اﻟﻌﻤﯿﻖ Autoencoder transformer PV HGPO Microgrid Hanan Ahmed Kamal thesis advisor. Sawsan Morkos Gharghory thesis advisor. 01-01-2025 Hanan Ahmed Kamal Sawsan Morkos Gharghory Mohamed A. Moustafa Hassan Ahmad Mohamed Elgarhy Cairo University Faculty of Engineering Department of Electronics and Communications Engineering Shimaa ddc TH 21 0 179876 ddc 317498 CUCL cl210 2026-04-30 93928 Cai01.13.08.Ph.D.2025.Mo.O 01010110093928000 2026-04-30 19:28:58 2026-04-30 TH