Wind‐assisted microgrid grid code compliance employing a hybrid Particle swarm optimization‐Artificial hummingbird algorithm optimizer‐tuned STATCOM
Notice bibliographique
Résumé
Abstract The importance of resolving stability concerns in weak AC grid‐connected doubly fed induction generator (DFIG) wind energy systems during low‐voltage ride‐through (LVRT) events cannot be ignored, given the increasing popularity of wind power‐based microgrids. Furthermore, the emergence of generation loss and postfault oscillation within a microgrid (MG) due to grid faults has also become a significant concern. The static synchronous compensator (STATCOM) under consideration in this study is tuned using particle swarm optimization (PSO), the artificial hummingbird algorithm (AHA), and a hybrid approach incorporating both PSO and AHA. Faults of both a symmetrical and an asymmetrical nature have occurred on the power grid side. The proposed hybrid PSO‐AHA‐tuned STATCOM strategy aims to improve LVRT, minimize power generation loss during faults, and reduce oscillations after a fault by controlling the flow of reactive power between point of common coupling (PCC) and MG. The MATLAB simulation environment was used to simulate the 16 MW MG test system. The performance of the PSO‐AHA‐tuned STATCOM was assessed by comparing results with those from conventional STATCOM, PSO, and AHA optimizer‐tuned STATCOM in four fault situations. A comparison of the results shows that the proposed strategy performed better than other approaches mentioned in this paper and achieved the desired objectives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».