В данном исследовании оптимизация с использованием обучения с подкреплением (RL) и мониторинг на основе Интернета вещей (IoT) интегрированы в среду моделирования MATLAB/Simulink для водородной инфраструктуры. Датчики IoT предоставляют данные в режиме реального времени, обеспечивая динамическую корректировку параметров, в то время как RL оптимизирует логистику водорода, снижая затраты и выбросы.
Предложенный подход повышает точность прогнозирования по сравнению с традиционными моделями и обеспечивает масштабируемое решение для устойчивого развития. Использование датчиков IoT повышает точность модели и позволяет определить подземное хранение как наиболее экономичный вариант.
Интеграция возобновляемых источников энергии позволила снизить выбросы на 97,8% — с 9,00 до 0,20 кг CO₂-экв./кг H₂, а также уменьшить стоимость водорода на 40% — с 5,50 до 3,30 долл. США за кг. В свою очередь, оптимизация с использованием RL обеспечила экономию затрат в размере 15 000 долл. США и снижение выбросов на 30%.