logo móvil
Contáctanos

Una máquina de aprendizaje extremo basada en VISMA adaptativa para mejorar la estabilidad de sistemas de energía rica en energías renovables

Autores: Setiadi, Herlambang; Shah, Rakibuzzaman; Islam, Md Rabiul; Asfani, Dimas Anton; Nasution, Tigor Hamonangan; Abdillah, Muhammad; Megantoro, Prisma; Krismanto, Awan Uji

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Una máquina de aprendizaje extremo basada en VISMA adaptativa para mejorar la estabilidad de sistemas de energía rica en energías renovables


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Estabilidad del sistema de potencia
Sistemas de energía ricos en energías renovables
Inercia
Máquinas síncronas virtuales
Estabilidad oscilatoria
Sistema de almacenamiento de energía

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 61

Citaciones: Sin citaciones


Descripción
Mantener la estabilidad del sistema de potencia en sistemas de energía rica en energías renovables puede ser una tarea desafiante. Por lo general, los sistemas de energía rica en energías renovables sufren de baja o nula inercia debido a la integración de dispositivos electrónicos de potencia en plantas de energía renovable. La estabilidad oscilatoria del sistema de potencia también puede verse afectada debido a la baja o nula inercia. Para superar este problema, se pueden utilizar dispositivos adicionales que puedan emular la inercia sin agregar máquinas síncronas. Estos dispositivos se conocen como máquinas síncronas virtuales (VISMA). En este artículo, se propone mejorar la estabilidad oscilatoria de un sistema de potencia representativo realista utilizando VISMA. Se utiliza un sistema de almacenamiento de energía con baterías (BESS) como VISMA mediante la adición de un controlador adicional para emular la inercia. El VISMA está diseñado utilizando la Optimización de Mosca de la Fruta. Además, para manejar la incertidumbre de las plantas de energía renovable, los parámetros de VISMA están diseñados para ser adaptables utilizando el método de máquina de aprendizaje extremo. Se ha utilizado la Red de Energía de Java Indonesia como sistema de prueba para investigar la eficacia del método propuesto frente al método convencional POD y la sintonización de VISMA utilizando otros métodos. Los resultados de la simulación muestran que el método propuesto puede mejorar la estabilidad oscilatoria del sistema de potencia bajo diversas condiciones de operación.

Otros recursos que podrían interesarte

Temas Virtualpro