MétaCan
Menu
Retour à la cohorte
Enregistrement W4405436918 · doi:10.1016/j.gloei.2024.11.003

Enhancing microgrid renewable energy integration at SEKEM farm

2024· article· en· W4405436918 sur OpenAlexfundno aff
Mohamed M. Reda, Mohamed I. Elsayed, Mohamed Hassan, Hatem M. Seoudy

Notice bibliographique

RevueGlobal Energy Interconnection · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesDeutscher Akademischer AustauschdienstCanadian International Development Agency
Mots-clésMicrogridRenewable energyBusinessEnvironmental economicsEnvironmental scienceNatural resource economicsEngineeringElectrical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

This study explores the feasibility of implementing a hybrid microgrid system powered by renewable energy sources. Including solar photovoltaics, wind energy, and fuel cells to ensure a reliable and sustainable electricity supply for the SEKEM farm in WAHAT, Egypt. The study utilizes MATLAB/Simulink software to conduct simulations based on sun irradiation and wind speed data. Various control techniques, such as the proportional-integral (PI) controller, Fuzzy Logic Controller for PI tuning (fuzzy-PI), and neuro-fuzzy controllers, were evaluated to improve the performance of the microgrid. The results demonstrate that the Fuzzy-PI control strategy outperforms the alternative control systems, enhancing the overall dependability and long-term viability of energy provision. The hybrid system was integrated with a voltage source control (VSC) and fuzzy PI controller, which effectively addressed power fluctuations and improved the stability and reliability of the energy supply. Furthermore, it provides insightful information on how to design and implement a 100% renewable energy system, with the fuzzy PI controller emerging as a viable method of control that can guarantee the system’s resilience and outperform other approaches, such as the standalone PI controller and the neuro-fuzzy controller.

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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,185
Écart entre enseignants0,181 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Energy InterconnectionMême sujetMicrogrid Control and OptimizationTravaux en français237 207