Decision-making solutions based artificial intelligence and hybrid software for optimal sizing and energy management in a smart grid system
Notice bibliographique
Résumé
This paper describes a decentralised smart grid system containing renewable energies, storage systems and distributed generation with human control and intervention. The importance of each element and the interaction between them leads to think about a decision-making strategy. In fact, the integration of a Photovoltaic Panel (PVP) is used due to its availability and its participation in the carbon emissions reduction. Also, a battery is required to fill a power gap or absorb extra generated energy. Moreover, an optimal sizing is needed to get an efficient system with minimum cost. Also, an energy management strategy (EMS) is essential to ensure the power resources scheduling in order to keep a continuous equilibrium supply-demand of electricity and avoid instabilities in the grid, with guaranteeing a minimum cost of electricity. In the first part, the proposed smart grid optimal sizing is determined under real weather data (solar radiation) of the city of Sousse, Tunisia, using the Hybrid Optimization of Multiple Energy Resources (HOMER) software technique. This approach is chosen thanks to its simplicity, effectiveness, and high precision compared to traditional techniques. In this paper, several configurations (Grid, (Grid-battery), (Grid-PVP), (Grid-PVP-battery)) are studied. The obtained results prove that the (Grid-PVP-battery) system configuration is the most efficient and economical solution. In the second part, a robust energy management strategy (EMS) is proposed for two smart grid configurations (grid-battery, grid-PVP-battery). This strategy is based on Fuzzy Logic Control (FLC) thanks to its non-linear modelling and its ability to make decisions relating to energy management. The primary goal of the suggested (EMS) is to ensure the energy resources scheduling in order to keep a continuous equilibrium among the production and consumption of electricity and avoid instabilities in the grid, with guaranteeing a minimum cost of electricity. As input data, (FLC) used time-varying price electricity (Price (t)) to solve an instant decision problem by choosing, at each instant, the optimal energy source (which provide electricity at the cheapest price possible). The obtained results, carrying out Matlab simulation, prove the efficacy of the proposed strategy, not only, in the energy resources scheduling to meet the load, but also, for the system cost reduction since the PVP has been used as much as possible since it is inexpensive relative to the costs of battery capacity and the grid.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».