Optimisation of a renewable energy system by hybridisation PSO algorithm and artificial neural network

• Autorzy: Abdelhak Ghalem , Abdellatif Naceri , Youcef Djeriri

Identyfikatory

DOI

10.15199/48.2023.10.20

Warianty tytułu

PL

Optymalizacja systemu OZE poprzez hybrydyzację algorytmu PSO i sztucznej sieci neuronowej

• Języki publikacji: EN

Abstrakty

EN

Artificial intelligence is poised to revolutionise the energy sector. Its data-based learning capabilities enable both energy production and consumption optimization. Energy needs are better assessed to support the energy transition. This digital innovation is necessary to implement the development policies for preserving the environment. There are many projects in this direction. They concern the oil industry as well as gas extraction or the intelligence of electrical networks. In fact, artificial intelligence is gradually becoming the tool that optimizes energy production and consumption.

PL

Sztuczna inteligencja może zrewolucjonizować sektor energetyczny. Jego możliwości uczenia się w oparciu o dane umożliwiają zarówno optymalizację produkcji energii, jak i jej zużycia. Potrzeby energetyczne są lepiej oceniane, aby wesprzeć transformację energetyczną. Ta cyfrowa innowacja jest niezbędna do realizacji polityki rozwoju na rzecz ochrony środowiska. Projektów w tym kierunku jest wiele. Dotyczą one zarówno przemysłu naftowego, jak i wydobycia gazu czy inteligencji sieci elektrycznych. W rzeczywistości sztuczna inteligencja stopniowo staje się narzędziem optymalizującym produkcję i zużycie energii.

Słowa kluczowe

EN

new energy; optimisation; PSO; artificial neural network; photovoltaic generator; wind turbine; battery

PL

nowa energia; optymalizacja; obowiązek publiczny; sztuczna sieć neuronowa; generator fotowoltaiczny; turbina wiatrowa; bateria

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 10
• Strony: 105--109
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Abdelhak Ghalem

• Department of Electrotechnics, Faculty of Electrical Engineering, Interaction Networks-Converters-Machines Laboratory, Djillali Liabes University, Sidi Bel-Abbes, Algeria

autor

Abdellatif Naceri

• Department of Electrotechnics, Faculty of Electrical Engineering, Interaction Networks-Converters-Machines Laboratory, Djillali Liabes University, Sidi Bel-Abbes, Algeria

autor

Youcef Djeriri

• Department of Electrotechnics, Faculty of Electrical Engineering, Intelligent Control and Electrical Power Systems Laboratory, Djillali Liabes University, Sidi Bel-Abbes, Algeria

Bibliografia

• [1] Pr. Abdellatif NACERI, Energie Nouvelle & Intelligence Artificielle ‘ENIA’, Laboratoire de Recherche IRECOM (UDL – SBA).
• [2] Ujjwal Datta, Akhtar Kalam, Juan Shi, Hybrid PV–wind renewable energy sources for microgrid application: an overview, Hybrid-Renewable Energy Systems in Microgrids 2018 Elsevier Ltd
• [3] Ahmad Taher Azar and Nashwa Ahmad Kamal, Renewable Energy Systems: Modelling, Optimization and Control (Advances in Nonlinear Dynamics and Chaos (ANDC)), ISBN: 978-0-12-820004-9, 2021 Elsevier Inc.
• [4] Salas, Vicente & Olías, Emilio & Barrado, A. & Lazaro, A.. (2006). Review of the maximum power point tracking algorithms for stand-alone photovoltaic systems. Solar Energy Materials and Solar Cells. 90. 1555-1578. 10.1016/j.solmat.2005.10.023.
• [5] Dongshu Wang, Dapei Tan, Lei Liu, Particle swarm optimization algorithm: an overview, Springer-Verlag Berlin Heidelberg 2017.
• [6] Lina Mahgoub, Yahya Mohamed, Novel Sampling Techniques for Reservoir History Matching Optimisation and Uncertainty Quantification in Flow Prediction, Heriot-Watt University January 2011.
• [7] Muhammad Djalal, Makmur Saini, A.M. Shiddiq Yunus, Ikhlas Kitta, Optimal Power System Stabilizer Design Using Craziness Particle Swarm Optimization In Sulselrabar System, 10/2021 P. 76 Przeglad Elektrotechniczny. doi:10.15199/48.2021.10.15
• [8] Fawaz S. Abdulla1, Ali N. Hamoodi1, Abdulaziz M. Kheder, Particle Swarm Optimization Algorithm for Solar PV System under Partial Shading, 10/2021 Str. 87 Przeglad Elektrotechniczny. doi:10.15199/48.2021.10.17.
• [9] Millonas MM, et al (1993) Swarms, phase transitions, and collective intelligence (paper 1); and a nonequilibrium statistical field theory of swarms and other spatially extended complex systems (paper 2). Technical rep.
• [10] Ankush Shrivastava, Vipin Verma, Multi-clustered Energy Level based Efficient Routing Protocol in Wireless Sensor Network, International Journal of Computer Applications (0975 - 8887) Volume 181 - No.32, December 2018.
• [11] Mrs.S.Gandhimathi, S.Vasuki, P. Jega Suguna, V.Janaki, S.Jaya Priya, Unsupervised Change Detection of Multispectral Images using Genetic based Particle Swarm Optimization, International Journal of Engineering Research & Technology (IJERT) NCIECC-2017 Conference Proceedings.
• [12] Aleksandar Lazinica, Particle Swarm Optimization, ISBN 978- 953-7619-48-0.
• [13] Sharifi MR, Akbarifard S, Qaderi K, Madadi MR. Comparative analysis of some evolutionary-based models in optimization of dam reservoirs operation. Sci Rep. 2021 Aug 2;11(1):15611. doi: 10.1038/s41598-021-95159-4. PMID: 34341441; PMCID: PMC8329043.
• [14] Garro BA, Vázquez RA. Designing Artificial Neural Networks Using Particle Swarm Optimization Algorithms. Comput Intell Neurosci. 2015;2015:369298. doi: 10.1155/2015/369298. Epub 2015 Jun 29. PMID: 26221132; PMCID: PMC4499655.
• [15] Maria Puig-Arnavat, Joan Carles Bruno, Recent Advances in Thermo-Chemical Conversion of Biomass, Chapter 5 - Artificial Neural Networks for Thermochemical Conversion of Biomass, ISBN 9780444632890, Elsevier 2015
• [16] Krishnan, S. & Sathiyasekar, K.. (2019). A Novel Salp Swarm Optimization MPP Tracking Algorithm for the Solar Photovoltaic Systems under Partial Shading Conditions. Journal of Circuits, Systems and Computers. 29. 10.1142/S0218126620500176
• [17] Liu X, Gan H, Luo Y, Chen Y, Gao L. Digital-Twin-Based Real-Time Optimization for a Fractional Order Controller for Industrial Robots. Fractal and Fractional. 2023; 7(2):167. https://doi.org/10.3390/fractalfract7020167

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).