⚡ electrical engineering

Forecast-Assisted Deep Reinforcement Learning for Energy Management of Hydrogen-Enabled Community Microgrids

यह शोध पत्र प्रदर्शित करता है कि हाइड्रोजन-सक्षम माइक्रोग्रिड के लिए एक प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) नियंत्रक में अपूर्ण मल्टी-होरिज़न कम्युनिटी लोड पूर्वानुमानों को एकीकृत करने से, पूर्वानुमानों की कम सटीकता और मापने योग्य लचीलेपन में सुधार की कमी के बावजूद, सीखने के अभिसरण (learning convergence) में तेजी आती है और मामूली आर्थिक एवं नवीकरणीय उपयोगिता लाभ प्राप्त होते हैं।

मूल लेखक: Mohamed Atef, Sanath Alahakoon, Umme Mumtahina, Peter Wolfs, Tamer Khatib, Moslem Uddin

प्रकाशित 2026-07-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohamed Atef, Sanath Alahakoon, Umme Mumtahina, Peter Wolfs, Tamer Khatib, Moslem Uddin

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक ऐसे पड़ोस की कल्पना करें जहाँ हर घर का अपना एक छोटा बिजली संयंत्र है, जैसे छत पर लगे सोलर पैनल या एक छोटी पवन चक्की। अब, ऐसी कल्पना करें जहाँ यह पड़ोस केवल मुख्य ग्रिड से जुड़ने के बजाय, खुद को एक स्वतंत्र छोटे शहर की तरह चलाने की कोशिश करता है। इसे "माइक्रोग्रिड" कहा जाता है। सबसे बड़ी चुनौती? सूरज हमेशा नहीं चमकता, हवा हमेशा नहीं चलती, और लोग हमेशा एक ही समय पर बिजली का उपयोग नहीं करते हैं। कभी-कभी बहुत अधिक बिजली होती है; कभी-कभी बहुत कम। इसे ठीक करने के लिए, ये पड़ोस "बैटरी" (एक विशाल फोन चार्जर की तरह) का उपयोग करते हैं ताकि अतिरिक्त शक्ति को बाद के लिए स्टोर किया जा सके। लेकिन बैटरी महंगी होती है और जल्दी खत्म हो जाती है। इसलिए, वैज्ञानिक एक नई तरकीब आजमा रहे हैं: हाइड्रोजन। हाइड्रोजन को एक "सुपर-बैटरी" के रूप में सोचें जो ऊर्जा को हफ्तों या महीनों तक रोक कर रख सकती है। आप अतिरिक्त बिजली को हाइड्रोजन गैस में बदलते हैं, उसे एक टैंक में स्टोर करते हैं, और जब आपको जरूरत होती है तो उसे वापस बिजली में बदल देते हैं। बड़ा सवाल यह है: आप इन सभी चलते हुए हिस्सों—सूरज, हवा, बैटरी, हाइड्रोजन और मुख्य ग्रिड—को बिना पैसा बर्बाद किए या बिजली खत्म किए कैसे प्रबंधित करेंगे?

यह शोध पत्र एक कंप्यूटर "दिमाग" (एक आर्टिफिशियल इंटेलिजेंस) को ऐसे पड़ोस का स्मार्ट मैनेजर बनने के लिए सिखाने के बारे में है। शोधकर्ता यह देखना चाहते थे कि क्या इस AI को एक "क्रिस्टल बॉल" (एक पूर्वानुमान/फॉरकास्ट) देने से, जो भविष्य में पड़ोस की बिजली संबंधी जरूरतों का अनुमान लगा सके, वह एक बेहतर मैनेजर बन पाएगा। उन्होंने इसका परीक्षण ऑस्ट्रेलिया के रॉकहैम्प्टन में सौर, पवन, बैटरी और हाइड्रोजन के मिश्रण वाले 1,000 घरों के एक सिम्युलेटेड (कृत्रिम) पड़ोस पर किया।

यहाँ बताया गया है कि उन्हें क्या पता चला।

क्रिस्टल बॉल की समस्या

शोधकर्ताओं ने "डीप रीइन्फोर्समेंट लर्निंग" नामक एक विधि का उपयोग करके एक विशेष AI मैनेजर बनाया। आप इस AI को एक वीडियो गेम के पात्र के रूप में देख सकते हैं जो चीजों को आजमाकर सीखता है। यदि वह एक अच्छा कदम उठाता है (जैसे पैसा बचाना), तो उसे एक अंक मिलता है। यदि वह एक बुरा कदम उठाता है (जैसे ऊर्जा बर्बाद करना), तो उसके अंक कट जाते हैं। समय के साथ, वह सबसे अच्छी रणनीति सीख जाता है।

आमतौर पर, यह AI केवल इस बात पर ध्यान देता है कि अभी क्या हो रहा है। वह देखता है कि सूरज चमक रहा है और बैटरी भरी हुई है, इसलिए वह निर्णय लेता है कि क्या करना है। लेकिन शोधकर्ताओं ने सोचा: क्या होगा अगर हम इसे एक पूर्वानुमान (फॉरकास्ट) दें? क्या होगा अगर यह अगले 1, 6, 12, या यहाँ तक कि 24 घंटों के लिए मौसम और पड़ोस की बिजली की जरूरतों को देख सके? क्या यह एक जीनियस मैनेजर बन जाएगा?

उन्होंने भविष्यवाणियां करने के लिए "ट्रांसफॉर्मर" (वही तकनीक जिसका उपयोग कुछ चैटबॉट्स में किया जाता है) नामक एक उन्नत प्रकार के AI का उपयोग किया। लेकिन यहाँ एक मोड़ है: क्रिस्टल बॉल एकदम सही नहीं थी। वास्तव में, यह काफी गड़बड़ थी।

अगले 1 घंटे के लिए, भविष्यवाणी ठीक थी, लेकिन बहुत अच्छी नहीं।
6 और 12 घंटों के भविष्य के लिए, भविष्यवाणियां औसत का अनुमान लगाने से भी बदतर थीं! गणित से पता चला कि मॉडल भ्रमित था।
24 घंटों के लिए, यह 12-घंटे के अनुमान से थोड़ा बेहतर था, लेकिन फिर भी पूर्णता से दूर था।

आश्चर्यजनक परिणाम: अपूर्ण भी उपयोगी है

आप सोच सकते हैं, "यदि क्रिस्टल बॉल टूटी हुई है, तो इसकी क्या आवश्यकता?" लेकिन इस शोध पत्र का जादू यहाँ है: भले ही टूटी हुई क्रिस्टल बॉल ने भी AI मैनेजर को पैसा बचाने में मदद की।

जब शोधकर्ताओं ने AI को इन अपूर्ण पूर्वानुमानों का उपयोग करने दिया, तो इसने तेजी से सीखा और बिना पूर्वानुमान वाले AI की तुलना में बेहतर निर्णय लिए।

सीखने की गति: पूर्वानुमान वाले AI ने अपनी रणनीति लगभग 14.3% तेजी से सीखी (यह 35 के बजाय लगभग 30 प्रशिक्षण सत्रों में अपने सर्वश्रेष्ठ प्रदर्शन तक पहुँच गया)।
बचत किया गया पैसा: एक पूरे वर्ष में, "अपूर्ण पूर्वानुमान" वाले AI वाले पड़ोस ने A $2,765.83** बचाए। बिना पूर्वानुमान वाले पड़ोस ने केवल **A$ 2,439.86 बचाए। केवल एक थोड़े बेहतर अनुमान के कारण जेब में अतिरिक्त A$325.97 आए।
हरित ऊर्जा (ग्रीन पावर): उस पड़ोस ने अपनी सौर और पवन शक्ति का थोड़ा अधिक उपयोग किया, जो 35.3% से बढ़कर 36.4% हो गया।

AI ने क्या किया (और क्या नहीं किया)

AI कोई सुपरहीरो नहीं बना जिसने सभी ब्लैकआउट को रोक दिया या सारी बर्बादी को खत्म कर दिया।

अच्छी बात: यह समय के प्रबंधन (टाइमिंग) में बेहतर हो गया। इसे पता था कि बैटरी कब चार्ज करनी है और कब सबसे अच्छी कीमत पाने के लिए मुख्य ग्रिड को बिजली वापस बेचनी है। इसने एक स्मार्ट खरीदार की तरह काम किया जो जानता है कि कल सेल आने वाला है, इसलिए वह खरीदने के लिए इंतजार करता है।
बुरी बात: पूर्वानुमान ने बड़ी आपात स्थितियों में ज्यादा मदद नहीं की। जब शोधकर्ताओं ने बिजली कटौती (ग्रिड फेलियर) का अनुकरण किया, तो पूर्वानुमान वाले AI ने बिल्कुल वैसा ही किया जैसा बिना पूर्वानुमान वाले AI ने किया। इस परीक्षण में "क्रिस्टल बॉल" ने आपदाओं के प्रति पड़ोस को लचीला बनाने में कोई खास मदद नहीं की; यह काम बैटरी और हाइड्रोजन टैंकों ने किया, चाहे पूर्वानुमान हो या न हो।
सीमाएं: पूर्वानुमान ने पड़ोस को कुछ बिजली बर्बाद करने (जिसे "कर्टेलमेंट" कहा जाता है) से नहीं रोका, और न ही इसने पीक पावर उपयोग को महत्वपूर्ण रूप से कम किया। मुख्य जीत पूरी तरह से आर्थिक थी: पैसे बचाने के लिए सही समय का चुनाव करना।

निष्कर्ष

यह शोध पत्र हमें स्मार्ट ऊर्जा के भविष्य के बारे में एक मूल्यवान सबक सिखाता है: बेहतर परिणाम पाने के लिए आपको सटीक भविष्यवाणी की आवश्यकता नहीं है। भले ही आपका वेदर ऐप कभी-कभी गलत हो, भविष्य के बारे में कुछ जानना भी आपको आज बेहतर निर्णय लेने में मदद करता है।

शोधकर्ताओं ने दिखाया कि इन "अपूर्ण" पूर्वानुमानों को अपने AI मैनेजर में जोड़कर, वे थोड़ी अतिरिक्त बचत और दक्षता निकाल सकते हैं। हालाँकि, वे बहुत सावधानी से कहते हैं कि यह कोई जादुई समाधान नहीं है। पूर्वानुमान अभी भी काफी गलत थे, और इस सिस्टम ने हर समस्या (जैसे तूफानों के दौरान ग्रिड को अटूट बनाना) को हल नहीं किया। लेकिन यह साबित करता है कि भविष्य के बारे में एक अस्थिर अनुमान भी, बिल्कुल न जानने की तुलना में बेहतर है। यह एक थोड़े धुंधले मानचित्र के साथ गाड़ी चलाने जैसा है: आप अभी भी रास्ता भटक सकते हैं, लेकिन आप बिना आंखों पर पट्टी बांधे गाड़ी चलाने की तुलना में शायद मंजिल तक तेजी से और कम ईंधन के साथ पहुँचेंगे।

तकनीकी सारांश: हाइड्रोजन-सक्षम सामुदायिक माइक्रोग्रिड के ऊर्जा प्रबंधन के लिए पूर्वानुमान-सहायता प्राप्त डीप रिइन्फोर्समेंट लर्निंग

1. समस्या विवरण

हाइड्रोजन भंडारण को एकीकृत करने वाले सामुदायिक माइक्रोगिड, नवीकरणीय ऊर्जा उपयोग और स्थानीय लचीलेपन को बढ़ाने के लिए एक मार्ग प्रदान करते हैं। हालांकि, उनकी परिचालन प्रक्रिया अनिश्चित आवासीय मांग, परिवर्तनशील नवीकरणीय उत्पादन, गतिशील बिजली कीमतों और अल्पकालिक बैटरी स्टोरेज एवं दीर्घकालिक हाइड्रोजन स्टोरेज की युग्मित गतिशीलता के कारण जटिल है।

मौजूदा ऊर्जा प्रबंधन प्रणाली (EMS) अक्सर नियम-आधारित नियंत्रण या नियत अनुकूलन (deterministic optimization) पर निर्भर करती है, जो नवीकरणीय उत्पादन और मांग में तेजी से होने वाले परिवर्तनों के अनुकूल होने में संघर्ष करती हैं। जबकि डीप रिइन्फोर्समेंट लर्निंग (DRL), विशेष रूप से प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO), को ऐसे सिस्टम में लागू किया गया है, पिछले संस्करण (जैसे, [12]) भविष्य की लोड जानकारी को स्पष्ट रूप से शामिल किए बिना केवल तात्कालिक अवलोकनों के आधार पर प्रतिक्रियात्मक रूप से कार्य करते थे। यह शोध पत्र एक पूर्वानुमानित नियंत्रण ढांचे को विकसित करने के अंतराल को संबोधित करता है जो आर्थिक प्रेषण (economic dispatch) और सीखने की दक्षता में सुधार के लिए मल्टी-होरिज़न लोड पूर्वानुमानों को DRL स्टेट स्पेस में एकीकृत करता है, विशेष रूप से हाइड्रोजन-सक्षम सामुदायिक माइक्रोग्रिड के संदर्भ में।

2. कार्यप्रणाली

2.1. सिस्टम आर्किटेक्चर

यह अध्ययन रॉकहैम्प्टन, ऑस्ट्रेलिया में एक 1000-घर वाले आवासीय माइक्रोग्रिड का मूल्यांकन करता है, जिसमें शामिल हैं:

उत्पादन: फोटोवोल्टिक (PV) एरे और पवन टर्बाइन।
भंडारण: अल्पकालिक संतुलन के लिए बैटरी एनर्जी स्टोरेज सिस्टम (BESS) और दीर्घकालिक स्वायत्तता के लिए एक हाइड्रोजन उपप्रणाली (इलेक्ट्रोलाइज़र, स्टोरेज टैंक, फ्यूल सेल)।
ग्रिड इंटरेक्शन: यूटिलिटी ग्रिड के साथ आयात/निर्यात क्षमताएं।
गणितीय मॉडल: सिस्टम को डिस्क्रीट टाइम में जनरेशन, स्टोरेज, हाइड्रोजन रूपांतरण और ग्रिड एक्सचेंज को जोड़ने वाले पावर बैलेंस समीकरणों के साथ मॉडल किया गया है।

2.2. पूर्वानुमान ढांचा (Forecasting Framework)

मल्टी-होरिज़न लोड ( $H \in \{1, 6, 12, 24, 48, 72\}$ घंटे) पर समुदाय के लोड की भविष्यवाणी करने के लिए एक ट्रांसफॉर्मर-आधारित पूर्वानुमान मॉडल का उपयोग किया गया है।

इनपुट फीचर्स: ऐतिहासिक लोड, सौर विकिरण (irradiance), परिवेश का तापमान, हवा की गति, बिजली की कीमतें और टेम्पोरल इंडिकेटर्स।
आर्किटेक्चर: मॉडल लॉन्ग-रेंज टेम्पोरल डिपेंडेंसी को कैप्चर करने के लिए इनपुट एम्बेडिंग्स, पोजीशनल एनकोडिंग और मल्टी-हेड सेल्फ-अटेंशन मैकेनिज्म का उपयोग करता है।
प्रदर्शन: मॉडल को स्वतंत्र रूप से प्रशिक्षित किया जाता है और EMS में एकीकृत करने से पहले इसे फ्रीज कर दिया जाता है। मूल्यांकन मेट्रिक्स में RMSE, MAE, MAPE, $R^2$ , और कोरिलेशन शामिल हैं।

2.3. प्रेडिक्टिव एनर्जी मैनेजमेंट सिस्टम (EMS)

मुख्य योगदान एक PPO-आधारित कंट्रोलर को पूर्वानुमान-सहायता प्राप्त ढांचे में विस्तारित करना है।

स्टेट स्पेस ऑग्मेंटेशन: मानक PPO स्टेट (बैटरी SOC, हाइड्रोजन स्तर, वर्तमान कीमतें, आदि) को मल्टी-होरिज़न लोड वेक्टर ( $\hat{P}_{L, t+1:t+H}$ ) के साथ बढ़ाया गया है।
एक्शन स्पेस: बैटरी चार्जिंग/डिस्चार्जिंग, डीजल जनरेटर डिस्पैच (आउटेज के दौरान), और हाइड्रोजन उत्पादन/उपभोग के लिए निरंतर क्रियाएं (continuous actions)।
रिवॉर्ड फंक्शन: इसे परिचालन लागत (ग्रिड आयात/निर्यात, डिग्रेडेशन, अनमेट डिमांड) को कम करने और स्टोरेज की चरम सीमाओं के पास संचालन को दंडित करने के लिए डिज़ाइन किया गया है।
प्रशिक्षण: PPO एजेंट डिस्काउंटेड संचयी रिवॉर्ड को अधिकतम करना सीखता है। यह अध्ययन चार परिदृश्यों की तुलना करता है:
1. बिना बैटरी के (फिजिकल बेसलाइन)।
2. बिना पूर्वानुमान के PPO (रिएक्टिव)।
3. अपूर्ण पूर्वानुमान के साथ PPO (प्रस्तावित)।
4. पूर्ण पूर्वानुमान के साथ PPO (थ्योरिटिकल अपर बाउंड)।

3. मुख्य योगदान

मल्टी-होरिज़न फोरकास्टिंग इवैल्यूएशन: ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करके 1, 6, 12, 24, 48, और 72-घंटे के क्षितिज पर सामुदायिक-लोड भविष्यवाणी का व्यापक मूल्यांकन।
फोरकास्ट-एनरिच्ड PPO कंट्रोलर: एक प्रेडिक्टिव EMS का विकास जहाँ भविष्य की लोड अपेक्षाओं को सीधे DRL स्टेट में एम्बेड किया गया है, जिससे पॉलिसी को डिमांड पीक और प्राइस परिवर्तनों का पूर्वानुमान लगाने की अनुमति मिलती है।
पूर्वानुमान के मूल्य का मात्रात्मक अलगाव: नॉन-प्रेडिक्टिव PPO और परफेक्ट-फोरकास्ट बेंचमार्क के साथ तुलना करके फोरकास्ट जानकारी के परिचालन मूल्य को अलग करना।
समग्र मूल्यांकन: आर्थिक, परिचालन, पर्यावरणीय और लचीलेपन (resilience) के प्रभावों की रिपोर्ट करना, जबकि पूर्वानुमान सटीकता और विशिष्ट घटक प्रक्षेपवक्र (trajectories) के संबंध में सीमाओं को स्पष्ट रूप से स्वीकार करना।

4. परिणाम

4.1. पूर्वानुमान सटीकता

पूर्वानुमान का प्रदर्शन मिश्रित और होराइजन-निर्भर था:

1-घंटे का होराइजन: RMSE के 239.32 kW और $R^2 = 0.201$ के साथ सर्वश्रेष्ठ प्रदर्शन किया।
मध्यवर्ती होराइजन (6h, 12h): खराब प्रदर्शन किया, जिसमें नकारात्मक $R^2$ मान ($-0.757 $और$ -1.914$) देखे गए, जो मीन-वैल्यू प्रेडिक्टर से भी खराब प्रदर्शन को दर्शाता है।
24-घंटे का होराइजन: RMSE 249.79 kW, MAPE 62.52%, और $R^2 = 0.126$ रहा।
लंबे होराइजन (48h, 72h): RMSE 246–247 kW के आसपास स्थिर हुआ, जिसमें $R^2$ के मान 0.1 से थोड़ा ऊपर रहे।

4.2. लर्निंग और आर्थिक प्रदर्शन

सीमित भविष्यवात्मक सटीकता के बावजूद, फोरकास्ट-असिस्टेड PPO ने महत्वपूर्ण लाभ प्रदर्शित किए:

कन्वर्जेंस: फोरकास्ट-असिस्ड कंट्रोलर नॉन-प्रेडिक्टिव कंट्रोलर (एपिसोड 35) की तुलना में लगभग 14.3% पहले (एपिसोड 30) कन्वर्ज हुआ।
रिवॉर्ड सुधार: अंतिम रिवॉर्ड नॉन-प्रेडिक्टिव बेसलाइन की तुलना में 8.3% बढ़ गया।
वार्षिक बचत:
- बिना पूर्वानुमान के: A$2,439.86।
- पूर्वानुमान के साथ: A$2,765.83।
- वृद्धिशील लाभ: A$325.97 (13.4% की वृद्धि)।
- लागू मॉडल ने पूर्ण पूर्वानुमान के साथ प्राप्त होने वाली बचत का लगभग 90.5% हिस्सा कैप्चर किया।
नवीकरणीय उपयोगिता: बिना पूर्वानुमान के 35.3% से बढ़कर पूर्वानुमान के साथ 36.4% हो गई।
ग्रिड आयात: नॉन-प्रेडिक्टिव केस की तुलना में 170.15 kWh कम हुआ।

4.3. परिचालन और लचीलापन निष्कर्ष

पीक लोड और कर्टेलमेंट: पूर्वानुमान ने पीक नेट लोड को महत्वपूर्ण रूप से कम नहीं किया (केवल 0.65 kW की कमी) या कर्टेलमेंट को कम नहीं किया; वास्तव में, पूर्वानुमान के साथ कर्टेलमेंट थोड़ा अधिक था। प्राथमिक मूल्य आर्थिक समय (economic timing) में था न कि पीक शेविंग में।
लचीलापन (Resilience): ग्रिड आउटेज परिदृश्यों के दौरान, बैटरी/कंट्रोलर कॉन्फ़िगरेशन ने बिना बैटरी वाले मामले की तुलना में 20.1% प्रोटेक्शन वैल्यू प्रदान की। हालांकि, फोरकास्ट-असिस्टेड और नॉन-प्रेडिक्टिव कंट्रोलर्स के बीच कोई मापने योग्य लचीलापन सुधार नहीं देखा गया; टेस्ट किए गए स्ट्रेस परिदृश्यों में पूर्वानुमान ने आउटेज हैंडलिंग को बेहतर नहीं बनाया।
पर्यावरणीय प्रभाव: पूर्वानुमान ने नॉन-प्रेडिक्टिव केस की तुलना में ग्रिड-इंपोर्ट-संबंधित उत्सर्जन को अतिरिक्त 85.08 kg CO2 कम किया। बड़े रिपोर्ट किए गए उत्सर्जन कटौती प्रत्यक्ष भौतिक उत्सर्जन कटौती के बजाय एक्सपोर्ट-क्रेडिट अकाउंटिंग द्वारा संचालित थे।

5. महत्व और दावे

पेपर यह निष्कर्ष निकालता है कि अपूर्ण पूर्वानुमान अभी भी DRL लर्निंग और आर्थिक प्रेषण में सुधार कर सकते हैं, भले ही कुछ क्षितिज के लिए पूर्वानुमान सटीकता ( $R^2$ ) कम या नकारात्मक हो। कंट्रोलर ने स्टोरेज शेड्यूलिंग और ग्रिड लेनदेन को अनुकूलित करने के लिए उपयोगी टेम्पोरल स्ट्रक्चर को सफलतापूर्वक निकाला।

हालांकि, लेखक व्यापक निहितार्थों के संबंध में एक मध्यम रुख बनाए रखते हैं:

सीमित दायरा: परिणाम बेहतर पूर्वानुमान सटीकता, प्रमुख पीक लोड कमी, या पूर्वानुमान-बढ़ाए गए लचीलेपन के दावों का समर्थन नहीं करते हैं।
विशिष्ट मूल्य: पूर्वानुमान का मूल्य मुख्य रूप से आर्थिक (लागत बचत) और सीखने की दक्षता (तेजी से कन्वर्जेंस) से संबंधित है, न कि भौतिक ग्रिड स्थिरता या पीक रिडक्शन से।
भविष्य की आवश्यकताएं: पेपर इस बात पर जोर देता है कि व्यापक तैनाती के दावे करने से पहले, पूर्वानुमान अंशांकन (calibration), लंबे समय तक चलने वाले आउटेज अध्ययन, और हाइड्रोजन इलेक्ट्रोलाइज़र और फ्यूल सेल के संचालन के घटक-स्तर के प्रक्षेपवक्र (trajectories) की रिपोर्टिंग पर और अधिक कार्य की आवश्यकता है।

यह अध्ययन एक 'प्रूफ-ऑफ-कांसेप्ट' के रूप में कार्य करता है कि मल्टी-होराइजन भविष्यवाणियों को DRL स्टेट स्पेस में एकीकृत करने से जटिल, हाइड्रोजन-सक्षम माइक्रोग्रिड में मूर्त आर्थिक लाभ मिलते हैं, भले ही अंतर्निहित पूर्वानुमान मॉडल बहुत सटीक न हों।