Automatic Generation Control of a Multi-Area Hybrid Renewable Energy System Using a Proposed Novel GA-Fuzzy Logic Self-Tuning PID Controller
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Human activities overwhelm our environment with CO2 and other global warming issues. The current electricity landscape necessitates a superior, continuous power supply and addressing such environmental concerns. These issues can be resolved by incorporating renewable energy sources (RESs) into the utility grid. Thus, this paper presents an optimized hybrid fuzzy logic self-tuning PID controller to control the automatic generation control (AGC) of various renewable sources. This controller regulates the frequency deviations of the power system and governs the change in the tie-line load of a multi-area hybrid energy system composed of wind, biomass, and photovoltaic energy sources. MATLAB Simulink software was applied to design and test the system. The PID controller has been tuned using four algorithms, namely, genetic algorithm (GA), pattern search (PS), simulated annealing (SA), and particle swarm optimization (PSO), and we compared the results with the proposed novel optimized PID controller (GA-fuzzy logic self-tuning technique) to validate it. The results show the superiority of the proposed hybrid GA-fuzzy logic self-tuning algorithm over the other algorithms in bringing the power system back to its regular operation. The paper also proposes an operation strategy to lower the utilization of biomass energy in the presence of other renewable energy sources.
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.
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) | 0,001 | 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 découle