MétaCan
Menu
Retour à la cohorte
Enregistrement W3042354788 · doi:10.11591/ijpeds.v11.i4.pp1775-1784

Control of hybrid power system based renewable energy generations using PID controller

2020· article· en· W3042354788 sur OpenAlexaff
M. Regad, M’hamed Helaimi, Rachid Taleb, Ahmed M. Othman, Hossam A. Gabbar

Notice bibliographique

RevueInternational Journal of Power Electronics and Drive Systems/International Journal of Electrical and Computer Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFrequency Control in Power Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésMicrogridRenewable energyPID controllerEnergy storageComputer scienceControl theory (sociology)FlywheelController (irrigation)Diesel generatorAutomotive engineeringElectric power systemComputer data storagePower (physics)Control engineeringDiesel fuelEngineeringControl (management)Electrical engineeringTemperature control

Résumé

récupéré en direct d'OpenAlex

This paper addresses to integrate an optimal Proportional-Integrator-Derivative controller for frequency regulation in an isolated microgrid power system based renewable generation. This autonomous microgrid system is composed of Distributed Energy Sources like wind, solar, Diesel Engine Generator, Fuel Cells system, and two different storage devices such as Battery Energy Storage System and Flywheel Energy Storage System. Optimal tuning of the investigated controller is considered as the main problem to be resolved using the Krill Herd algorithm through an objective function. The obtained results are also accomplished with and without the battery energy storage system. The comparison of system performance shows that the proposed control scheme based Krill Herd Algorithm is better than the Genetic Algorithm in the improvement of system performance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,184
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Power Electronics and Drive Systems/International Journal of Electrical and Computer EngineeringMême sujetFrequency Control in Power SystemsTravaux en français237 207