MétaCan
Menu
Retour à la cohorte
Enregistrement W4383551377 · doi:10.3390/en16135209

Optimized Control of a Hybrid Water Pumping System Integrated with Solar Photovoltaic and Battery Storage: Towards Sustainable and Green Water-Power Supply

2023· article· en· W4383551377 sur OpenAlexaff
Hale Bakır, Adel Merabet, Mohammadali Kiehbadroudinezhad

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEnergy
ThématiquePhotovoltaic System Optimization Techniques
Établissements canadiensSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemBattery (electricity)Automotive engineeringWater pumpingEnergy storageMaximum power point trackingEngineeringPower (physics)Electrical engineeringVoltageMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This article presents the modeling and optimization control of a hybrid water pumping system utilizing a brushless DC motor. The system incorporates battery storage and a solar photovoltaic array to achieve efficient water pumping. The solar array serves as the primary power source, supplying energy to the water pump for full-volume water surrender. During unfavorable weather conditions or when the photovoltaic array is unable to meet the power demands of the water pump, the battery discharges only at night or during inadequate solar conditions. Additionally, the photovoltaic array can charge the battery on its own when water distribution is not necessary, negating the need for external power sources. A bi-directional charge control mechanism is employed to facilitate automatic switching between the operating modes of the battery, utilizing a buck-boost DC–DC converter. The study incorporates a control system with loops for battery control and DC voltage control within the bidirectional converter. The water cycle algorithm adjusts four control parameters by minimizing an objective function based on tracking errors. The water cycle optimization is compared to other methods based on overshoot and settling time values to evaluate its performance, showcasing its effectiveness in analyzing the results.

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 enseignants0,004
Score d'incertitude au seuil0,007

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 GPT0,194
Écart entre enseignants0,189 · 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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPhotovoltaic System Optimization TechniquesTravaux en français237 207