Mejorando la Calidad de la Energía en una Red Inteligente de PV/Eólica con Inteligencia Artificial Utilizando Control de Inversores y Técnicas de Redes Neuronales Artificiales
Autores: Zulu, Musawenkosi Lethumcebo Thanduxolo; Sarma, Rudiren; Tiako, Remy
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mejorando la Calidad de la Energía en una Red Inteligente de PV/Eólica con Inteligencia Artificial Utilizando Control de Inversores y Técnicas de Redes Neuronales Artificiales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Sistemas de energía
Inteligencia artificial
Microrredes
Recursos energéticos distribuidos
Control de inversores
Energía renovable
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Los sistemas de energía necesitan satisfacer la creciente demanda de mayor calidad y fiabilidad de la electricidad en los sistemas de distribución, mientras se mantienen sostenibles, seguros y económicos. El mundo se está moviendo hacia el uso de fuentes de energía renovables para proporcionar electricidad. Es necesario evaluar la influencia de la inteligencia artificial (IA) en el logro del ODS 7 (energía asequible y no contaminante) a la luz del desarrollo de la IA y su impacto creciente en numerosos sectores. Las microrredes están ganando popularidad debido a su capacidad para facilitar recursos energéticos distribuidos (DER) y formar una coordinación energética integrada centrada en el cliente. Sin embargo, es una tarea difícil integrar, coordinar y controlar múltiples DER mientras se gestiona la transición energética en este entorno. Para lograr bajos costos operativos y alta fiabilidad, el control del inversor es crítico en las microrredes de generación distribuida (DG), y la aplicación de redes neuronales artificiales (ANN) es vital. En este documento, se propone una estrategia de gestión de energía (PMS) basada en el control del inversor y la técnica de red neuronal artificial (ICANN) para el control de microrredes DC-AC con sistemas híbridos de PV-eólica. La estrategia de control combinada propuesta tiene como objetivo mejorar la calidad de la energía, asegurando el acceso a energía asequible, fiable, sostenible y moderna para todos. Además, se realiza una revisión del creciente papel y aplicación de la IA en el uso de energía renovable para lograr los ODS. Se utiliza MATLAB/SIMULINK para simulaciones en este estudio. Los resultados de las medidas del control del inversor, m, VL-L y Vph_rms, revelan que la energía generada por la microrred híbrida es fiable y su rendimiento es capaz de proporcionar una mejora en la calidad de la energía en las microrredes a través del control del lado del inversor del sistema. La técnica produjo resultados satisfactorios y el sistema de microrred híbrido PV/eólica reveló estabilidad y un rendimiento excepcional.
Descripción
Los sistemas de energía necesitan satisfacer la creciente demanda de mayor calidad y fiabilidad de la electricidad en los sistemas de distribución, mientras se mantienen sostenibles, seguros y económicos. El mundo se está moviendo hacia el uso de fuentes de energía renovables para proporcionar electricidad. Es necesario evaluar la influencia de la inteligencia artificial (IA) en el logro del ODS 7 (energía asequible y no contaminante) a la luz del desarrollo de la IA y su impacto creciente en numerosos sectores. Las microrredes están ganando popularidad debido a su capacidad para facilitar recursos energéticos distribuidos (DER) y formar una coordinación energética integrada centrada en el cliente. Sin embargo, es una tarea difícil integrar, coordinar y controlar múltiples DER mientras se gestiona la transición energética en este entorno. Para lograr bajos costos operativos y alta fiabilidad, el control del inversor es crítico en las microrredes de generación distribuida (DG), y la aplicación de redes neuronales artificiales (ANN) es vital. En este documento, se propone una estrategia de gestión de energía (PMS) basada en el control del inversor y la técnica de red neuronal artificial (ICANN) para el control de microrredes DC-AC con sistemas híbridos de PV-eólica. La estrategia de control combinada propuesta tiene como objetivo mejorar la calidad de la energía, asegurando el acceso a energía asequible, fiable, sostenible y moderna para todos. Además, se realiza una revisión del creciente papel y aplicación de la IA en el uso de energía renovable para lograr los ODS. Se utiliza MATLAB/SIMULINK para simulaciones en este estudio. Los resultados de las medidas del control del inversor, m, VL-L y Vph_rms, revelan que la energía generada por la microrred híbrida es fiable y su rendimiento es capaz de proporcionar una mejora en la calidad de la energía en las microrredes a través del control del lado del inversor del sistema. La técnica produjo resultados satisfactorios y el sistema de microrred híbrido PV/eólica reveló estabilidad y un rendimiento excepcional.