Adaptive Variable Universe Fuzzy Droop Control Based on a Novel Multi-Strategy Harris Hawk Optimization Algorithm for a Direct Current Microgrid with Hybrid Energy Storage
Notice bibliographique
Résumé
In the off-grid photovoltaic DC microgrid, traditional droop control encounters challenges in effectively adjusting the droop coefficient in response to varying power fluctuation frequencies, which can be influenced by factors such as line impedance. This paper introduces a novel Multi-strategy Harris Hawk Optimization Algorithm (MHHO) that integrates variable universe fuzzy control theory with droop control to develop an adaptive variable universe fuzzy droop control strategy. The algorithm employs Fuch mapping to evenly distribute the initial population across the solution space and incorporates logarithmic spiral and improved adaptive weight strategies during both the exploration and exploitation phases, enhancing its ability to escape local optima. A comparative analysis against five classical meta-heuristic algorithms on the CEC2017 benchmarks demonstrates the superior performance of the proposed algorithm. Ultimately, the adaptive variable universe fuzzy droop control based on MHHO dynamically optimizes the droop coefficient to mitigate the negative impact of internal system factors and achieve a balanced power distribution between the battery and super-capacitor in the DC microgrid. Through MATLAB/Simulink simulations, it is demonstrated that the proposed adaptive variable universe fuzzy droop control strategy based on MHHO can limit the fluctuation range of bus voltage within ±0.75%, enhance the robustness and stability of the system, and optimize the charge and discharge performance of the energy storage unit.
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 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».