Intelligens teljesítménymegosztás hibrid szünetmentes rendszerekben
Main Article Content
Absztrakt
A fotovoltaikus (PV) rendszerek növekvő penetrációja és a megbízható szünetmentes megoldások iránti igény a hibrid szünetmentes áramellátó rendszerek (UPS) kifejlesztéséhez vezetett. Ezek a rendszerek a valós idejű energiagazdálkodás optimalizálása érdekében integrálják a PV energiatárolást az akkumulátoros tartalék- és hálózati energiával. Ez a tanulmány egy mesterséges neurális hálózaton (ANN) alapuló szabályozási módszert javasol a PV-integrált hibrid UPS-rendszerekhez. A javasolt stratégia dinamikusan határozza meg az optimális teljesítménymegosztási arányt az akkumulátortároló és a hálózat között a valós idejű gazdasági paraméterek, a terhelési igény és az akkumulátor töltöttségi állapota (SoC) alapján. Egy központosított ANN-alapú szabályozó biztosítja az LLC konverter és az egyenirányító pontos szabályozását, stabil és hatékony teljesítményelosztást elérve. A javasolt megközelítés szimulációkkal kerülnek validálásra, és a hagyományos szabályozási módszerekhez képest jelentős javulást mutatnak a költséghatékonyság, a rendszer stabilitása és a dinamikus alkalmazkodóképesség terén. Ezek az eredmények azt mutatják, hogy az ANN-alapú szabályozás integrálása növelheti a hibrid UPS-rendszerek hatékonyságát és fenntarthatóságát. Az ANN-alapú szabályozás alkalmazásával a teljesítménymegosztás hibája 1% alá csökkent, míg a közbenső kör feszültségének eltérése legfeljebb mintegy 2 V volt dinamikus körülmények között.
Letöltések
Article Details
Hivatkozások
Abdolrasol, M. G. M., Hannan, M. A., Suhail Hussain, S. M., Ustun, T. S., Sarker, M. R., Ker, P. J. (2021): Energy Management Scheduling for Microgrids in the Virtual Power Plant System Using Artificial Neural Networks. Energies, 14(20): 6507. https://doi.org/10.3390/EN14206507
Alatshan, M. S., Alhamrouni, I., Sutikno, T., Jusoh, A. (2020): Improvement of the performance of STATCOM in terms of voltage profile using ANN controller. International Journal of Power Electronics and Drive Systems (IJPEDS), 11 (4): 1966–1978. https://doi.org/10.11591/IJPEDS.V11.I4.PP1966-1978
Amer, R. A., Morsy, G. A., Yassin, H. A. (2011): ANN Controller for STATCOM to Enhance Performance of Multi-Machine Power System Including SCG. ERJ. Engineering Research Journal, 34 (4): 345–351. https://doi.org/10.21608/ERJM.2011.67289
Bogdanov, D., Ram, M., Aghahosseini, A., Gulagi, A., Oyewo, A., Child, M., Caldera, U., Sadovskaia, K., Farfán, J., De Souza Noel Simas Barbosa, L., Fasihi, M., Khalili, S., Traber, T., Breyer, C. (2021): Low-cost renewable electricity as the key driver of the global energy transition towards sustainability. Energy. https://doi.org/10.1016/J.ENERGY.2021.120467
Boros, R. R., Jobbágy, M., Bodnár, I. (2025): Optimized Real-Time Energy Management and Neural Network-Based Control for Photovoltaic-Integrated Hybrid Uninterruptible Power Supply Systems. Energies, 18 (6). https://doi.org/10.3390/en18061321
Bunker, K. J., Weaver, W. W. (2017): Multidimensional droop control for wind resources in dc microgrids. IET Generation, Transmission & Distribution, 11 (3): 657–664. https://doi.org/10.1049/IET-GTD.2016.0447
Eskandari, M., Li, L., Moradi, M. H., Wang, F., Blaabjerg, F. (2020): A Control System for Stable Operation of Autonomous Networked Microgrids. IEEE Transactions on Power Delivery, 35 (4): 1633–1647. https://doi.org/10.1109/TPWRD.2019.2948913
Gorijeevaram Reddy, P. K., Dasarathan, S., Krishnasamy, V. (2021): Investigation of Adaptive Droop Control Applied to Low-Voltage DC Microgrid. Energies, 14 (17): 5356. https://doi.org/10.3390/EN14175356
Imran, R. M., Wang, S., Flaih, F. M. F. (2019): DQ-Voltage Droop Control and Robust Secondary Restoration with Eligibility to Operate during Communication Failure in Autonomous Microgrid. IEEE Access, 7: 6353–6361. https://doi.org/10.1109/ACCESS.2018.2889806
Joshi, Y., Kumar Maherchandani, J., Raj Joshi, R., Kumar Yadav, V. (2021): Intelligent Control Strategy to Enhance Power Smoothing of Renewable based Microgrid with Hybrid Energy Storage. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12 (8): 3090–3100. https://turcomat.org/index.php/turkbilmat/article/view/4148
Kim, D., Park, J. W., Lee, S. H. (2021): A Study on the Power Reserve of Distributed Generators Based on Power Sensitivity Analysis in a Large-Scale Power System. Electronics, 10 (7): 769. https://doi.org/10.3390/ELECTRONICS10070769
Ko, J. H., Choi, T. S., Ryu, J. C., Lee, H. W., Lee, J. H., Chae, H. M., Jeon, S. G., Kim, J. E. (2019): A Novel Design of UPS with Useful Customer Load Management Function. Journal of Electrical Engineering and Technology, 14 (2): 569–579. https://doi.org/10.1007/S42835-018-00060-2/METRICS
Liutak, O., Baula, O., Kutsenko, V., Ivantsov, S. (2023): Energy Transformation in the Global Paradigm of Sustainable Development. Actual Problems of Economics. 69–76. https://doi.org/10.32752/1993-6788-2023-1-264-69-76
Oh, J. H., Lee, J. H., Ryu, J. C., Lee, H. W., Chae, H. M., Kim, J. E. (2019): Operation Method for Hybrid UPS with Energy Storage System Function. Journal of Electrical Engineering and Technology, 14 (5): 1871–1880. https://doi.org/10.1007/S42835-019-00228-4/METRICS
Pozo Jr., F. E. del, Bawagan, A. V., Ceruma, D. R. J. (2022): Development of Power Back-Up System using Motor Control for Large Equipment. International Journal of Advanced Engineering Research and Science, 9 (8): 316–324. https://doi.org/10.22161/IJAERS.98.35
Wang, Y., Qiu, F., Liu, G., Lei, M., Yang, C., Wang, C. (2023): Adaptive Reference Power Based Voltage Droop Control for VSC-MTDC Systems. Journal of Modern Power Systems and Clean Energy, 11 (1): 381–388. https://doi.org/10.35833/MPCE.2021.000307
Wei, B., Marzabal, A., Ruiz, R., Guerrero, J. M., Vasquez, J. C. (2019): DAVIC: A New Distributed Adaptive Virtual Impedance Control for Parallel-Connected Voltage Source Inverters in Modular UPS System. IEEE Transactions on Power Electronics, 34 (6): 5953–5968. https://doi.org/10.1109/TPEL.2018.2869870
Yang, D., Wang, J., Cai, H., Rao, J., Cui, C. (2025): Intelligent control strategy for electrified pressure-swing distillation processes using artificial neural networks-based composition controllers. Separation and Purification Technology, 360: 130991. https://doi.org/10.1016/j.seppur.2024.130991