Energy Management of Hybrid Energy System Considering a Demand-Side Management Strategy and Hydrogen Storage System
Notice bibliographique
Résumé
A hybrid energy system (HES) integrates various energy resources to attain synchronized energy output. However, HES faces significant challenges due to rising energy consumption, the expenses of using multiple sources, increased emissions due to non-renewable energy resources, etc. This study aims to develop an energy management strategy for distribution grids (DGs) by incorporating a hydrogen storage system (HSS) and demand-side management strategy (DSM), through the design of a multi-objective optimization technique. The primary focus is on optimizing operational costs and reducing pollution. These are approached as minimization problems, while also addressing the challenge of achieving a high penetration of renewable energy resources, framed as a maximization problem. The third objective function is introduced through the implementation of the demand-side management strategy, aiming to minimize the energy gap between initial demand and consumption. This DSM strategy is designed around consumers with three types of loads: sheddable loads, non-sheddable loads, and shiftable loads. To establish a bidirectional communication link between the grid and consumers by utilizing a distribution grid operator (DGO). Additionally, the uncertain behavior of wind, solar, and demand is modeled using probability distribution functions: Weibull for wind, PDF beta for solar, and Gaussian PDF for demand. To tackle this tri-objective optimization problem, this work proposes a hybrid approach that combines well-known techniques, namely, the non-dominated sorting genetic algorithm II and multi-objective particle swarm optimization (Hybrid-NSGA-II-MOPSO). Simulation results demonstrate the effectiveness of the proposed model in optimizing the tri-objective problem while considering various constraints.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».