在使用双优化方法的混合微电网中提高电力质量和能源管理
S Joshua Daniel1, M Karpagam2, Aymen Flah3,4,5
1Department of Electrical and Electronics Engineering, Hindusthan College of Engineering and Technology, Coimbatore, Tamil Nadu, India. sjoshuadaniel.eee@gmail.com.
本研究介绍了ALA-TKAN,这是一种用于混合微电网的能源管理的新框架. 它通过整合可再生能源和储能系统的优化和预测来提高电力质量和运营效率.
科学领域:
- 电气工程 电气工程
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 能源管理 (EM) 对于集成可再生能源 (RES) 和混合能源存储系统 (HESS) 的混合微电网 (MGs) 至关重要.
- 现有的方法往往孤立优化和预测,导致高计算成本和有限的实时应用.
- 确保MG的稳定运行,高效电流和高功率质量 (PQ) 仍然是一个挑战.
研究的目的:
- 提出一个新的双优化框架,ALA-TKAN,用于混合MGs的协调能源管理.
- 将元启发式优化与顺序意识预测集成为主动的EM.
- 在动态的MG环境中增强PQ,操作稳定性和效率.
主要方法:
- 开发了一个双优化框架,将动力流和HESS调度的人工阻碍算法 (ALA) 与负载和可再生能源预测的时间科尔莫戈罗夫-阿诺德网络 (TKAN) 结合起来.
- 在 MATLAB 中实现了 ALA-TKAN 框架,用于模拟和分析.
- 将ALA-TKAN的性能与最先进的方法进行比较,包括PDO-MACNN,BWO,PSO,ANN和MRA-FLC.
主要成果:
- 实现了2.9MW的最小功率损失.
- 达到99.2%的最高效率.
- 确保了最低的能源成本,为0.8 $/Wh.
- 将总波扭曲 (THD) 降低到1.4%.
结论:
- 拟议的ALA-TKAN框架为混合MG能源管理提供了一种统一且计算效率高的战略.
- 与现有技术相比,在提高PQ,减少损失和优化成本方面表现出卓越的性能.
- 证实了ALA-TKAN在混合MGs的可靠和高效运行方面的实际潜力.
更多相关视频
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
05:30Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
Published on: September 8, 2023
相关概念视频
The Power Flow Problem and Solution
Fast Decoupled and DC Powerflow
Maximum Power Flow and Line Loadability
Control of Power Flow
Power Factor Correction
Load-frequency control
