Performance optimisation for novel green plug‐energy economizer in micro‐grids based on recent heuristic algorithm
Notice bibliographique
Résumé
This study presents technical issues to enhance the micro‐grids (MGs) performance. Novel distributed flexible AC transmission system (D‐FACTS) is applied on AC/DC MGs to achieve full utilization of distributed generations (DGs), and to improve power quality and system stability. That D‐FACTS is called green plug‐energy economizer (GP‐EE) device, which is proposed with two schemes to be applied on both DC/AC terminals of MG. DGs are used within MGs so that they can meet dynamic load patterns. Proposed design of MG includes photovoltaic, fuel cell, battery, storage system, micro‐gas turbine and wind turbine. GP‐EE device will be controlled by PID modified weighted controller. Dynamic tri‐loop error driven will be enhanced by extra supplementary regulation loops to ensure power factor correction, stabilize buses voltage, reduce feeder losses and power quality enhancement. A recent heuristic optimization technique is called backtracking search algorithm, and is proposed for optimal selection of the scheme parameters of pulse‐width modulation pulsing stage of GP‐EE to dynamically online gains adjustment of PID tri‐loop regulation process and minimization of the global control error. Digital simulations have been validated GP‐EE schemes effectiveness based on without and with modules performance. Achieved results show applicability and improved performance using the proposed technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».