論文の概要: A novel ANROA based control approach for grid-tied multi-functional
solar energy conversion system
- arxiv url: http://arxiv.org/abs/2401.16434v1
- Date: Fri, 26 Jan 2024 09:12:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 17:53:40.472908
- Title: A novel ANROA based control approach for grid-tied multi-functional
solar energy conversion system
- Title（参考訳）: グリッド型多機能太陽エネルギー変換システムのためのANROAに基づく新しい制御手法
- Authors: Dinanath Prasad, Narendra Kumar, Rakhi Sharma, Hasmat Malik, Fausto
Pedro Garc\'ia M\'arquez, Jes\'us Mar\'ia Pinar P\'erez
- Abstract要約: 三相格子型太陽太陽光発電システムに対する適応制御手法を提案し,検討した。
適応型ニューロファジィ推論システム(ANFIS)と降雨最適化アルゴリズム(ROA)を組み合わせた。
電圧変動、高調波、フリックなどの電力品質問題や、バランスの取れない負荷や反応電力の使用などを避けることが大きな目標である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An adaptive control approach for a three-phase grid-interfaced solar
photovoltaic system based on the new Neuro-Fuzzy Inference System with Rain
Optimization Algorithm (ANROA) methodology is proposed and discussed in this
manuscript. This method incorporates an Adaptive Neuro-fuzzy Inference System
(ANFIS) with a Rain Optimization Algorithm (ROA). The ANFIS controller has
excellent maximum tracking capability because it includes features of both
neural and fuzzy techniques. The ROA technique is in charge of controlling the
voltage source converter switching. Avoiding power quality problems including
voltage fluctuations, harmonics, and flickers as well as unbalanced loads and
reactive power usage is the major goal. Besides, the proposed method performs
at zero voltage regulation and unity power factor modes. The suggested control
approach has been modeled and simulated, and its performance has been assessed
using existing alternative methods. A statistical analysis of proposed and
existing techniques has been also presented and discussed. The results of the
simulations demonstrate that, when compared to alternative approaches, the
suggested strategy may properly and effectively identify the best global
solutions. Furthermore, the system's robustness has been studied by using
MATLAB/SIMULINK environment and experimentally by Field Programmable Gate
Arrays Controller (FPGA)-based Hardware-in-Loop (HLL).
- Abstract（参考訳）: 本研究では,降雨最適化アルゴリズム (anroa) を用いたニューロファジー推論システムに基づく三相格子型太陽光発電システムの適応制御手法を提案し,検討した。
この方法は、適応型ニューロファジィ推論システム(ANFIS)と雨最適化アルゴリズム(ROA)を組み込む。
ANFISコントローラは、ニューラルとファジィの両方の特徴があるため、優れた最大追跡機能を備えている。
roa技術は電圧源変換器のスイッチングを制御する。
電圧変動、高調波、フリックなどの電力品質問題や、バランスのとれない負荷、リアクティブ電力使用の回避が主な目標である。
また,提案手法はゼロ電圧制御およびユニタリパワーファクタモードで動作させる。
提案する制御手法をモデル化し,シミュレーションし,既存の代替手法を用いて評価した。
また,提案手法と既存手法の統計的解析を行い,考察した。
シミュレーションの結果、代替手法と比較して、提案戦略は最適なグローバルソリューションを適切に効果的に特定できることを示した。
さらに,MATLAB/SIMULINK環境とField Programmable Gate Arrays Controller (FPGA)-based Hardware-in-Loop (HLL) を用いてシステムの堅牢性を検討した。
関連論文リスト
- Comparison of Model Predictive Control and Proximal Policy Optimization for a 1-DOF Helicopter System [0.7499722271664147]
本研究は,Quanser Aero 2システムに適用された深層強化学習(DRL)アルゴリズムであるモデル予測制御(MPC)とPPOの比較分析を行う。
PPOは上昇時間と適応性に優れており、迅速な応答と適応性を必要とするアプリケーションには有望なアプローチである。
論文 参考訳（メタデータ） (2024-08-28T08:35:34Z) - Safety Constrained Multi-Agent Reinforcement Learning for Active Voltage Control [34.95810473913879]
能動電圧制御問題を制約付きマルコフゲームとして定式化し,安全性に制約のあるMARLアルゴリズムを提案する。
実世界規模シナリオを用いた配電ネットワークシミュレーション環境における本手法の評価を行った。
論文 参考訳（メタデータ） (2024-05-14T09:03:00Z) - Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。
資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。
これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-04-08T20:02:19Z) - Model-Free Load Frequency Control of Nonlinear Power Systems Based on
Deep Reinforcement Learning [29.643278858113266]
本稿では,Deep Deterministic Policy gradient (DDPG) に基づく非線形電力系統のモデルフリーLFC法を提案する。
制御器は適切な制御動作を生成でき、非線形電力系に対して強い適応性を有する。
論文 参考訳（メタデータ） (2024-03-07T10:06:46Z) - Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。
本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。
GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
論文 参考訳（メタデータ） (2022-07-21T23:02:35Z) - Comparative analysis of machine learning methods for active flow control [60.53767050487434]
遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。
この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
論文 参考訳（メタデータ） (2022-02-23T18:11:19Z) - An Artificial Neural Network-Based Model Predictive Control for
Three-phase Flying Capacitor Multi-Level Inverter [2.3513645401551333]
モデル予測制御(MPC)は、単純な概念、高速な動的応答、優れた参照追跡のため、パワーエレクトロニクスで広く使われている。
最適なスイッチング状態を予測するためにシステムの数学的モデルに依存するため、パラメトリックな不確実性に悩まされる。
本稿では,ニューラルネットワーク(ANN)に基づくモデルフリー制御戦略を提案する。
論文 参考訳（メタデータ） (2021-10-15T13:54:08Z) - Safe and Efficient Model-free Adaptive Control via Bayesian Optimization [39.962395119933596]
適応制御のための純粋データ駆動型モデルフリーアプローチを提案する。
システムデータのみに基づく低レベルコントローラのチューニングは、アルゴリズムの安全性と計算性能に懸念を生じさせる。
我々は,提案手法がサンプル効率であり,安全性の観点から制約ベイズ最適化よりも優れており,グリッド評価によって計算された性能オプティマを達成することを数値的に示す。
論文 参考訳（メタデータ） (2021-01-19T19:15:00Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。