دانلود ترجمه مقاله استراتژی مدیریت انرژی ریزشبکه AC/DC بر اساس ANN دو مرحله ای

1. مقدمه 2. ساختار و بهره برداری از استراتژی مدیریت انرژی پیشنهادی 3. نتایج آزمایش 4. نتیجه گیری

چکیده – یک ریزشبکه، در شرایط متصل به شبکه می تواند از طریق بازتولید، مسئله توان مازاد را حل کند؛ با این حال، در شرایط جزیره ای، تنها روش برای حل مسئله توان مازاد، شارژ کردن سیستم ذخیره انرژی (ESS) می باشد. با این حال، بخاطر اینکه محدود به ظرفیت قابل شارژ در یک ESS است، یک استراتژی مدیریت انرژی (EMS) جداگانه برای عملکرد پایدار ریزشبکه لازم است. این مقاله یک EMS را برای یک ریزشبکه AC/DC ترکیبی براساس شبکه عصبی مصنوعی (ANN) پیشنهاد می کند. ANN از یک فرآیند دو مرحله ای تشکیل شده که ریزشبکه را با تعیین حالت عملکرد (جزیره ای یا متصل به شبکه) و شارژ و تخلیه ESS، مدیریت می کند. این ریزشبکه از یک مبدل متصل به هم تشکیل شده است تا به سیستم توزیع شده AC، یک مبدل فتوولتائیک، یک مبدل توربین باد و یک ESS متصل شود. روش کنترل هر کدام از مبدل ها طبق انتخاب حالت ANN تعیین شده است. EMS مبتنی بر ANN پیشنهادی با استفاده از یک ریزشبکه AC/DC ترکیبی مقیاس آزمایشی، تایید شد. نتایج تجربی تایید می کنند که ریزشبکه از طریق کنترل تک تک مبدل ها از طریق انتخاب حالت و ارجاع به توان ESS، که نتیجه تلفیق ANN است، عملکرد پایداری پیدا می کند.

In grid-connected operations, a microgrid can solve the problem of surplus power through regeneration; however, in the case of standalone operations, the only method to solve the surplus power problem is charging the energy storage system (ESS). However, because there is a limit to the capacity that can be charged in an ESS, a separate energy management strategy (EMS) is required for stable microgrid operation. This paper proposes an EMS for a hybrid AC/DC microgrid based on an artificial neural network (ANN). The ANN is composed of a two-step process that operates the microgrid by outputting the operation mode and charging and discharging the ESS. The microgrid consists of an interlinking converter to link with the AC distributed system, a photovoltaic converter, a wind turbine converter, and an ESS. The control method of each converter was determined according to the mode selection of the ANN. The proposed ANN-based EMS was verified using a laboratory-scale hybrid AC/DC microgrid. The experimental results reveal that the microgrid operation performed stably through control of individual converters via mode selection and reference to ESS power, which is the result of ANN integration.