<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه علوم و فنون هوایی شهید ستاری</PublisherName>
				<JournalTitle>نشریه علمی پژوهش های نوین در سامانه های دفاع الکترونیکی</JournalTitle>
				<Issn>2981-0558</Issn>
				<Volume>5</Volume>
				<Issue>15</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>08</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Communication-Aware Residential Demand Response in Smart Grids: A Hybrid Forecasting and Optimization Approach</ArticleTitle>
<VernacularTitle>بهینه‌سازی مکانیزم‌های مخابراتی آگاه از شبکه با پروتکل MQTT برای مدیریت پاسخ‌گویی بار در شبکه‌های هوشمند IoT</VernacularTitle>
			<FirstPage>38</FirstPage>
			<LastPage>50</LastPage>
			<ELocationID EIdType="pii">248069</ELocationID>
			
<ELocationID EIdType="doi">10.22034/joeds.2026.589222.1130</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حمیدرضا</FirstName>
					<LastName>خیاطیان</LastName>
<Affiliation>گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>سید امین</FirstName>
					<LastName>سعید</LastName>
<Affiliation>گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>طاهره</FirstName>
					<LastName>دائمی</LastName>
<Affiliation>گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2026</Year>
					<Month>06</Month>
					<Day>29</Day>
				</PubDate>
			</History>
		<Abstract>The rapid evolution of smart grids has necessitated advanced communication-aware demand response (DR) strategies to handle the uncertainties introduced by renewable energy sources and heterogeneous consumer behaviors. This paper proposes a novel IoT-enabled communication-aware residential demand response framework that tightly integrates MQTT-based real-time communication, Fuzzy C-Means behavioral clustering, hybrid ARIMA-LSTM load forecasting, and NSGA-II multi-objective optimization. Unlike conventional DR approaches that treat communication performance as a passive constraint, the proposed framework jointly optimizes energy objectives (electricity cost, Peak-to-Average Ratio, Composite Load Index) and communication metrics (latency, Packet Delivery Ratio, reliability) in a unified manner. Using real-world smart meter data from 80 households, simulation results demonstrate superior performance with 28% peak load reduction, 18–22% electricity cost savings, average latency reduction to 70 ms, and PDR improvement to 99.2% compared to conventional methods. The main contributions include the development of a fully integrated cyber-physical architecture, incorporation of behavioral clustering for consumer heterogeneity, and explicit communication-aware multi-objective optimization. This work provides a practical pathway toward more efficient, reliable, and consumer-centric smart grid operation.</Abstract>
			<OtherAbstract Language="FA">تکامل سریع شبکه‌های هوشمند، استراتژی‌های پیشرفته پاسخ به تقاضا (DR) آگاه از ارتباطات را برای مدیریت عدم قطعیت‌های ناشی از منابع انرژی تجدیدپذیر و رفتارهای ناهمگن مصرف‌کننده ضروری کرده است. این مقاله یک چارچوب جدید پاسخ به تقاضای مسکونی آگاه از ارتباطات مبتنی بر اینترنت اشیا ارائه می‌دهد که ارتباطات بلادرنگ مبتنی بر MQTT، خوشه‌بندی رفتاری Fuzzy C-Means، پیش‌بینی بار ترکیبی ARIMA-LSTM و بهینه‌سازی چند هدفه NSGA-II را به طور کامل ادغام می‌کند. برخلاف رویکردهای مرسوم DR که عملکرد ارتباطی را به عنوان یک محدودیت غیرفعال در نظر می‌گیرند، چارچوب پیشنهادی به طور مشترک اهداف انرژی (هزینه برق، نسبت پیک به میانگین، شاخص بار ترکیبی) و معیارهای ارتباطی (تأخیر، نسبت تحویل بسته، قابلیت اطمینان) را به روشی یکپارچه بهینه می‌کند. با استفاده از داده‌های کنتور هوشمند دنیای واقعی از 80 خانوار، نتایج شبیه‌سازی عملکرد برتر را با 28٪ کاهش بار پیک، 18-22٪ صرفه‌جویی در هزینه برق، کاهش میانگین تأخیر به 70 میلی‌ثانیه و بهبود PDR به 99.2٪ در مقایسه با روش‌های مرسوم نشان می‌دهد. سهم اصلی شامل توسعه یک معماری سایبری-فیزیکی کاملاً یکپارچه، ادغام خوشه‌بندی رفتاری برای ناهمگونی مصرف‌کننده و بهینه‌سازی چندهدفه آگاه از ارتباطات صریح است. این کار مسیری عملی به سوی بهره‌برداری کارآمدتر، قابل اعتمادتر و مصرف‌کننده‌محور از شبکه هوشمند فراهم می‌کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">شبکه هوشمند</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پاسخ‌گویی بار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اینترنت اشیاء</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">خوشه‌بندی فازی C-Means</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پیش‌بینی ترکیبی ARIMA-LSTM</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم NSGA-II</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.joeds.ir/article_248069_70af63aa477fcc95fcdbed40f40d277f.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
