دانلود ترجمه مقاله کنترل غیرخطی ریزشبکه DC بر پایه هوش مصنوعی برای پایداری دینامیک

عنوان فارسی

کنترل غیرخطی ریزشبکه هیبریدی DC بر پایه هوش مصنوعی برای پایداری دینامیک و جریان قدرت دو سویه

عنوان انگلیسی

Artificial intelligence based nonlinear control of hybrid DC microgrid for dynamic stability and bidirectional power flow

کلمات کلیدی :

  ریز شبکه (MG)؛ سیستم ذخیره سازی انرژی ترکیبی؛ کنترل حالت لغزش پایانه یکپارچه؛ مبدل های DC–DC؛ خودروی الکتریکی باتری دار (BEV)؛ سخت افزار در حلقه (HIL)

درسهای مرتبط دینامیک سیستم های قدرت
تعداد صفحات مقاله انگلیسی : 13 نشریه : ELSEVIER
سال انتشار : 2023 تعداد رفرنس مقاله : 49
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
ELSEVIER
قیمت دانلود ترجمه مقاله
89,900 تومان
فهرست مطالب

1. مقدمه 2. مدل سازی ریاضی شبکه DC 3. طراح کنترل کننده 4. نتایج شبیه سازی و تحلیل آن 5. نتایج آزمایشی 6. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – منابع تولید قدرت معمول به سرعت در حال تحلیل رفتن هستند و بخش قدرت جهان به سمت منابع انرژی تجدیدپذیر حرکت می کند. در این مقاله کنترل غیرخطی برای ریزشبکه DC (DCMG) مبتنی بر سیستم ذخیره سازی انرژی تجدیدپذیر و انرژی ترکیبی (HESS) ارائه شده است. انرژی فتوولتائیک و بادی منابع انرژی تجدیدپذیر هستند، در حالی که سلول سوختی، باتری و ابرخازن HESS را تشکیل می دهند. مدل ریاضی عام سیستم گفته شده ارائه شده است. مجموعه داده های تابش خورشیدی و دمای متغیر با شبکه عصبی مصنوعی برای تولید ولتاژ مرجع فتوولتائیک آموزش داده شده است. کنترل کننده حالت لغزش پایانه یکپارچه (ITSMC) برای تنظیم ولتاژ باس DC خروجی پیشنهاد شده است. معیار پایداری لیاپونوف پایداری کلی سیستم را تضمین کرده است. یک مقایسه از ITSMC با SMC کنترل کننده بازطراحی لیاپونوف هم ارائه شده است. شارژ کننده خودرو برقی متصل به شبکه با حالت های شبکه به خودرو (G2V) و خودرو به شبکه (V2G) که از کاربردهای DCMG است، ارائه شده است. سیستم پیشنهادی با استفاده از MATLAB/Simulink (2020b) اعتبارسنجی شده است. به علاوه، ساخت افزار در مجموعه حلقه برای مشاهده قابلیت کاربرد زمان واقعی کنترل کننده پیشنهاد استفاده شده است. مقدمه: تولید برق از طریق ابزارهای معمول به ویژه از سوخت های فسیلی از نگرانی های عمده در خصوص شرایط اقلیمی متغیر است [1]. تولید قدرت با سیستم تولید پراکنده (DGS) مورد توجه جدی پژوهشگران قرار دارد. این را انرژی خورشیدی و بادی و همچنین انرژی پاک می نامند. منابع انرژی تجدیدپذیر با ساده و کم مصرف بودن توجه زیادی را به خود جلب کرده اند. ماهیت متناوب منابع انرژی تجدیدپذیر به ما امکان استفاده از آنها به عنوان تنها منبع تولید توان را نمی دهد [2،3]. بنابراین استفاده از دستگاه های ذخیره سازی انرژی به طور موازی با این منابع امری رایج است [4]. سیستم ذخیره سازی انرژی ترکیبی شامل سلول سوختی، باتری و ابرخازن می شود. ترکیب باتری و ابرخازن قبلاً در مراجع [4،5] بررسی شده است، اما برای کاربردهایی که در آن تامین پیوسته انرژی فارغ از شرایط آب و هوایی ضروری است، وجود یک منبع که قادر به تامین مداوم انرژی باشد، ضروری است. سلول سوختی دستگاهی است که می تواند با این وضعیت مبارزه کند [6]. پس ترکیب FC، باتری و UC به صورت یک سیستم ذخیره سازی انرژی کارآمد عمل می کند. هر منبع ریز راه حل خود برای کاستی دیگری را ارائه می کند. عدم تناسب باتری، چگالی توان پائین آن است، بنابراین نمی تواند با تغییرات گذرای بار مبارزه کند [7]. در این وضعیت UC بخاطر چگالی توان بالای خود بهترین عملکرد را دارد [8]. همچنین افزودن UC طول عمر باتری را افزایش می دهد [8]. بنابراین ترکیب DGS و HESS بهترین توپولوژی برای تولید و ذخیره سازی پیوسته توان را تشکیل می دهند.

نمونه متن انگلیسی مقاله

Conventional power generation resources are depleting rapidly and world power sector has been moving towards renewable energy sources (RESs). In this paper nonlinear control for renewable energy and hybrid energy storage system (HESS) based DC microgrid (DCMG) has been presented. PV and wind energy being the renewable sources whereas fuel cell, battery and ultracapacitor constitute the HESS. The global mathematical model of the said system has been presented. Datasets of varying solar irradiance and temperature have been trained by Artificial Neural Network for the reference voltage generation of PV. Integral terminal sliding mode controller (ITSMC) has been proposed for the output DC bus voltage regulation. Lyapunov stability criterion has ensured the overall stability of the system. A comparison of ITSMC with SMC and Lyapunov redesign controller has also been presented. Grid connected battery electric vehicle charger with grid to vehicle (G2V) and vehicle to grid modes (V2G) has been presented being an application of DCMG. The proposed system has been validated by using MATLAB/Simulink (2020b). Moreover, the hardware in loop setup has been used to observe the real time applicability of the proposed controller. Introduction: Generation of electricity through conventional means especially from fossil fuels are the major concerns regarding the ongoing climatic conditions [1]. It is of quite concern for the researchers to pay attention towards the power generation by distributed generation system (DGS). It is referred to as solar and wind energy, also called clean energy. Being simple and energy efficient, renewable sources have gained much attention. The intermittent nature of renewable sources do not allow us to be used as alone power generation source [2,3]. Therefore, it is a conventional practice to use energy storage devices in parallel with renewable sources [4]. Hybrid energy storage system involves fuel cell, battery and ultracapacitor. The combination of battery and ultra-capacitor is already studied in [4,5] but for such applications where a continuous supply of energy has been required irrespective of weather conditions, a source is mandatory which would be able to supply energy consistently. Fuel cell is a device which can combat with this situation [6]. So the combination of FC, battery and UC serve as an efficient energy storage system. Each source gives the micro solution to the drawback of other. Incompetence of battery is its low power density therefore it cannot combat with the load transients [7]. In this situation UC serves best because of its high power density [8]. Also the integration of UC increases the lifespan of battery [8]. Hence, the combination of DGS and HESS constitute the best topology for continuous power generation and storage.

توضیحات و مشاهده مقاله انگلیسی

ترجمه این مقاله در 37 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب) فرمول ها تایپ شده اند
قیمت : 89,900 تومان

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله کنترل غیرخطی ریزشبکه DC بر پایه هوش مصنوعی برای پایداری دینامیک”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

7 + چهارده =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi