In this paper, the optimal and economic design of a stand-alone hybrid photovoltaic-wind-battery storage (PV/WT/BA) system is performed using an artificial electric field algorithm (AEFA) to minimize the cost of energy generation (CEG) to supply an annual load during the 20 years of the useful life project. The AEFA algorithm is inspired by coulomb electrostatic force and has a high exploration power for optimal global achievement. In this study, the design problem is satisfied considering the probability of the energy not supplied (ENS) as a reliability constraint. The purpose of the design is to determine the number of photovoltaic panels, wind turbines, and batteries, taking into account the CEG and satisfaction of the ENS to provide annual load using the AEFA method. To verify the proposed AEFA, the results are compared with particle swarm optimization (PSO) and sine cosine algorithm (SCA) in view of CEG and ENS. The results show that the AEFA is superior to the PSO and SCA methods in finding the optimal solution with lower CEG and ENS (higher reliability).
PL
W artykule przedstawiono optymalny i ekonomiczny projekt autonomicznego hybrydowego systemu magazynowania energii fotowoltaicznej z wiatrem (PV/WT/BA) z wykorzystaniem algorytmu sztucznego pola elektrycznego (AEFA) w celu zminimalizowania kosztów wytwarzania energii (CEG). dostarczać roczny ładunek w ciągu 20 lat projektu okresu użytkowania. Algorytm AEFA jest inspirowany siłą elektrostatyczną kulomba i ma wysoką moc eksploracyjną dla optymalnych globalnych osiągnięć. W niniejszym opracowaniu problem projektowy został rozwiązany, biorąc pod uwagę prawdopodobieństwo niedostarczenia energii (ENS) jako ograniczenie niezawodności. Celem projektu jest określenie ilości paneli fotowoltaicznych, turbin wiatrowych oraz baterii z uwzględnieniem CEG i satysfakcji ENS z zapewnienia rocznego obciążenia metodą AEFA. Aby zweryfikować proponowaną AEFA, wyniki porównuje się z optymalizacją roju cząstek (PSO) i algorytmem sinus cosinus (SCA) pod kątem CEG i ENS. Wyniki pokazują, że metoda AEFA przewyższa metody PSO i SCA w znalezieniu optymalnego rozwiązania o niższym CEG i ENS (wyższa niezawodność).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.