دانلود ترجمه مقاله کنترل غیرخطی انرژی ‌های تجدیدپذیر مبتنی بر هوش مصنوعی

1. مقدمه 2. مولفه های ریزشبکه DC 3. مدل ریاضی ریزشبکه DC 4. تجزیه و تحلیل سیستم 5. طراحی کنترل کننده های غیرخطی و سیستم مدیریت انرژی 6. نتایج شبیه سازی و بحث و بررسی 7. نتیجه گیری

چکیده – ریزشبکه های مبتنی بر منابع انرژی تجدیدپذیر به منظور به حداقل رساندن گرمایش جهانی و تأثیر اثر گلخانه ای، به طور گسترده مورد مطالعه قرار گرفته اند. در این مقاله، کنترلPV، سیستم انرژی تجدیدپذیر مبتنی بر باد و باتری، سیستم ذخیره انرژی مبتنی بر ابرخازن در یک ریزشبکه DC ارائه شده است. به ترتیب حداکثر نقاط توان برای PV و باد با استفاده از شبکه عصبی و کنترل گشتاور بهینه بدست آمده اند. برای منابع برق از کنترل کننده حالت لغزشیی فراپیچشی غیرخطی ارائه شده است. پایداری مجانبی جهانی این چارچوب، با استفاده از تحلیل پایداری لیاپانوف تأیید شده است. سیستم مدیریت انرژی مبتنی بر منطق فازی به منظور ایجاد تعادل بار-تولید، دارای مقایسه کنترل کننده های مختلف می باشد. برای اعتبارسنجی تجربی، آزمایش سخت افزار کنترل کننده در حلقه انجام شده است که عملکرد سیستم طراحی شده را تایید می کند. مقدمه: با افزایش شدید مصرف برق، کاهش منابع نفتی و اثر گلخانه ای، تولید برق از منابع انرژی تجدید ناپذیر یا سوخت های فسیلی به سمت منابع انرژی تجدیدپذیر سبز (RESs) تغییر یافته است. در دو دهه اخیر، رویکرد تولید پراکنده (DG)، در تغییر از تولید برق معمولی به تولید برق پاک، نقش مهمی را ایفا کرده است. در سرتاسر جهان، منابع RES نظیر انرژی خورشیدی و باد به وفور یافت می شوند و سهم اصلی در بهبود پایداری کربن را دارند [2،3]. آنها به عنوان واحدهای DG با ESSها و بارها یکپارچه شده اند تا یک ریزشبکه (MG) را تشکیل دهند. مزایای اصلی MGها شامل قابلیت اطمینان بالاتر، کنترل مستقل و توانایی برآوردن نیازهای بار در هر حالت جزیره ای و متصل به شبکه است [4، 5]. آنها به دو دسته جریان مستقیم (DC) و جریان متناوب (AC) MG دسته بندی می شوند. DC MGها به دلیل راندمان بالاتر، هزینه کمتر و فقدان توان راکتیو، محبوبیت فوق العاده ای در مکان های دور دست یافته اند [6].

To minimize the global warming and the impact of greenhouse effect, renewable energy sources-based microgrids are widely studied. In this paper, the control of PV, wind-based renewable energy system and battery, supercapacitor-based energy storage system in a DC microgrid have been presented. Maximum power points for PV and wind have been obtained using neural network and optimal torque control, respectively. Nonlinear supertwisting sliding mode controller has been presented for the power sources. Global asymptotic stability of the framework has been verified using Lyapunov stability analysis. For load-generation balance, energy management system based on fuzzy logic has been devised and the controllers have been simulated using MATLAB/Simulink® (2019a) along with a comparison of different controllers. For the experimental validation, controller hardware-in-the loop experiment has been carried out which validates the performance of the designed system. Introduction: With the tremendous increase in electricity consumption, depleting oil resources, and the greenhouse effect, the production of electricity from non-renewable energy sources or fossil fuels is shifting to green renewable energy sources (RESs) [1]. In the last two decades, the distributed generation (DG) approach is playing an important part in the changeover from conventional power generation to clean power generation. RESs such as solar and wind energy are found around the globe in abundance which are the main contributors towards improved carbon sustainability [2,3]. They are integrated as DG units with ESSs and loads to form a microgrid (MG). The main advantages of MGs include higher reliability, autonomous control, and ability to meet the load demands in both the islanded and grid-connected modes [4, 5]. They are categorized into Direct Current (DC) and Alternating Current (AC) MGs. DC MGs have gained tremendous popularity in remote locations due to higher efficiency, lower cost, and absence of reactive power [6].

ترجمه این مقاله در 47 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.