Renewable energy optimization in isolated microgrids: a Python-based tool for cost-effective solutions using genetic algorithms
Notice bibliographique
Résumé
This work presents a Python-based tool for the techno-economic analysis of renewable energy integration in isolated microgrids. The tool combines a microgrid simulator and an optimizer based on genetic algorithms. The simulator incorporates an energy management strategy that prioritizes the use of renewable energy sources and battery storage while ensuring a continuous power supply through diesel generators. This is achieved with a dispatch strategy that determines the optimal combination of a predefined number of generators based on the specific needs of the microgrid. The optimizer, which operates as a top layer to the simulator, uses the simulator’s outputs in an iterative optimization process with single or multiple objectives. In the presented case study, the optimizer aims to identify the optimal renewable energy penetration level that minimizes the levelized cost of energy and maximizes diesel displacement. To speed up convergence, the optimization process includes the development of preliminary tables generated using a brute-force algorithm, which reduces the initial search space. The tool’s advantages lie in its modular design, its ability to process input data with different time steps, and its fast convergence in case studies. Developed in Python, an open-access software, it overcomes the limitations of commercial tools like HOMER, which impose restrictions on users. Additionally, the tool is scalable and adaptable to specific user needs. Finally, the practical application of the tool is validated through a case study applied to a microgrid in a community in Nunavik, Quebec. The results show that the optimal renewable energy penetration identified by the tool can reduce diesel consumption by up to 87% compared to scenarios without renewable integration. This highlights the tool’s value in industrial and commercial contexts requiring practical and applicable solutions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,008 |
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 ».