Integrating AI and Metaverse Technologies for Big Data Optimization in Renewable Energy

Khadija Abuzagia; Eman Mansour Abuzghaya

doi:10.68482/prj.2026.26.008

Abstract

The integration of Artificial Intelligence (AI), Big Data analytics, and Metaverse technologies particularly Extended Reality (XR)—presents new opportunities to enhance the operation and planning of renewable energy systems. This paper conducts a structured literature review of peer-reviewed studies (2020–2025) to assess current applications, integration challenges, and potential synergies across these domains. Based on the review, a conceptual framework is proposed that combines AI-driven forecasting, anomaly detection, and dispatch optimization with XR-based digital twins for immersive visualization and scenario analysis. The framework comprises three layers: (1) data acquisition for real-time and historical energy data; (2) AI processing using deep learning models such as LSTM; and (3) immersive interaction through XR environments. Performance was evaluated through simulation and semi-field validation using datasets from NREL, NOAA, and OpenEI. Results showed improvements of 63% in forecasting accuracy, 27% in cost reduction, and 25% in battery efficiency compared to a baseline microgrid. This work advances energy informatics by bridging intelligent control with immersive simulation. It underscores the potential of AI–Metaverse integration to build adaptive, efficient, and user-centric energy systems. The proposed model lays the groundwork for future empirical validation and deployment, while highlighting key challenges in integration complexity, data quality, and cybersecurity. Keywords—Artificial Intelligence (AI), Renewable Energy, Extended Reality (XR), Digital Twins, Smart Grid. دمج تقنيات الذكاء االصطناعي والميتافيرس لتحسين البيانات الضخمة في مجال الطاقة المتجددة خديجة أبوزقية | إيمان منصور أبوزغية قسم علوم الحاسب، جامعة المرقب – الخمس، ليبيا الملخص يوفر التكامل بين الذكاء االصطنناع (AI) ، وتحليالت البيانات الضطخمة، وتننيات الميتافير — الممتد ال سطيما الواق (XR) — والتخنيل ل.ات تدندم هذا الورقة البحةية مراجعة من.جية للدراسطات المحكمة فرصطاا جديد لتعييي تغطليل أنةمة الناقة المتجد ( 2020 – 2025 هطذا ) لتنييم التنبينطات الحطاليطة، وتحطديطات التكطامطل، وتفطاد التعضططططيطد المتبطا ا بين هطذا المجطاالتت وبنطاء ا عل المراجعة، يدنترح إطار عمل م ، وتحسطين التوزي الذكاء االصطنناع ، واكتغطاا امنماط الغطا بين التنبؤ النائم عل يجم فاهيم الممتد الواق التوائم الرقمية النائمة عل التغليل ، بالتوازي م (XR) لتحنيق المحاكا البصرية التفاعلية وتحليل السيناريوهات . يتكون إطار العمل المنترح من ثالث طبنات: ( 1 البيانات: للبيانات اللحةية والتاريخية الخاصططة بالناقةت( ( ) طبنة جم 2 ) طبنة المعالجة بالذكاء االصططنناع : باسططتخدام نما ت التعلم العميق مةل تططبكات (LSTM). ( ( 3 ) طبنة التفاعل التفاعل : من خالا الممتد بيئات الواق (XR). باستخدام مجموعات بيانات من تم تنييم ام اء من خالا المحاكا والتحنق تبه الميدان (NREL) و (NOAA) و (OpenEI). وأظ.رت النتائج تحسناا بنسبة 63 قة التنبؤ، وانخفاضاا بنسبة % ف 27 بنسبة التكاليف، وزيا % ف 25 كفاء البناريات % ف منارنة بالغبكات الصلير المرجعية . والمحطاكا التفطاعليطة، كمطا يسططططلل الضططططوء عل تنوير معلوماتيطة النطاقة من خالا الربل بين التحكم الذك يدسطططط.م هذا العمطل ف النمو ت لبناء أنةمة طاقة متكيفة، وكفؤ ، ومحورية ووا المسطتخدمت يضط والميتافير إمكانات التكامل بين الذكاء االصطنناع المنترح اللبنة امسطططاسطططية للتح إبراز التحديات الرئيسطططية المتعلنة بتعنيد التكامل، وجو والتدتطططين المسطططتنبل ، م نق الميدان البيانات، واممن السيبران . الكلمات المفتاحية: الذكاء االصنناع (AI) الممتد ، الواق ، الناقة المتجد (XR) ، التوائم الرقمية، الغبكة الذكية

PDF {{ a.doi }} {{ a.views }} {{ a.dl }} {{ t.pp }} {{ a.pages }}

{{ t.latestIssue }} {{ latestIssueLbl }}

{{ t.navHome }} / {{ t.archives }} / {{ curIssue.vol }}

{{ t.published }} {{ curIssue.dateLbl }} · {{ curIssue.count }} {{ t.articlesWord }}

PDF {{ a.doi }} {{ a.views }} {{ a.dl }} {{ t.pp }} {{ a.pages }}

{{ t.navHome }} / {{ artIssueTitle }} / {{ art.sec }}

{{ art.doi }} {{ t.published }} {{ artDate }} {{ t.sectionLbl }} {{ art.sec }} {{ t.pagesLbl }} {{ art.pages }}

{{ t.dlCiteLbl }} Endnote/Zotero/Mendeley (RIS) BibTeX

✓

Microsoft Word (.docx)

{{ t.navHome }} / {{ t.announcements }}

No announcements yet.

{{ t.navHome }} / {{ t.announcements }} / {{ ann.title }}

{{ t.navHome }} / {{ t.authorsBc }} / {{ authorName }}

{{ a.sec }} · {{ a.issueTitle }}

PDF {{ a.doi }} {{ a.views }} {{ a.dl }} {{ t.pp }} {{ a.pages }}

{{ t.latestIssue }} {{ latestIssueLbl }}

{{ t.navHome }} / {{ t.searchBc }}

{{ fullCount }} {{ t.resultsFor }} “{{ searchQuery }}”

{{ a.sec }} · {{ a.issueTitle }}

PDF {{ a.doi }} {{ a.views }} {{ a.dl }} {{ t.pp }} {{ a.pages }}

✓

{{ t.revRoles }} {{ t.revNote }} {{ t.email }}.

I agree to the collection and storage of my data in accordance with the journal's privacy statement, and to receiving email notifications about my submissions. *

Integrating AI and Metaverse Technologies for Big Data Optimization in Renewable Energy

Abstract

{{ t.journalName }}

{{ t.latestArticles }}

{{ t.atGlance }}

{{ t.quickLinks }}

{{ t.tplTitle }}

{{ curIssue.vol }}

{{ g.name }}

{{ art.title }}

{{ t.abstract }}

{{ t.keywords }}

{{ t.howCite }}

{{ t.publishedIn }}

{{ t.license }}

{{ t.archives }}

{{ y.year }}

{{ y.stTitle }}

{{ docTitle }}

{{ b.text }}

{{ b.text }}

{{ b.text }}

{{ t.announcements }}

{{ ann.title }}

{{ authorName }}

{{ t.publishedInThis }}

{{ t.atGlance }}

{{ t.tplTitle }}

{{ t.editorialTeam }}

{{ t.advisoryHdr }}

{{ t.signIn }}

{{ t.searchResults }}

{{ t.checkEmail }}

{{ t.resetTitle }}

{{ t.newPwTitle }}

{{ t.regDoneTitle }}

{{ t.register }}

{{ t.rankHdr }}

{{ t.specHdr }}

ORCID

{{ t.emailHdr }}

{{ cs.h }}