Control óptimo del sistema centralizado de generación termoeléctrica bajo distribución de temperatura no uniforme utilizando el algoritmo de optimización de apareamiento de percebes
Autores: Tariq, Mirza Imran; Mansoor, Majad; Feroz Mirza, Adeel; Khan, Nouman Mujeeb; Zafar, Muhammad Hamza; Z. Kouzani, Abbas; Mahmud, M. A. Parvez
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Control óptimo del sistema centralizado de generación termoeléctrica bajo distribución de temperatura no uniforme utilizando el algoritmo de optimización de apareamiento de percebes
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Recursos de energía renovable
Generadores termoeléctricos
Sistema de generación de energía
Recuperación de calor
Control MPPT
Optimización del apareamiento de percebes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
La necesidad de recursos de energía renovable está en constante aumento debido a la preocupación por los problemas ambientales asociados con los combustibles fósiles. Las técnicas de fabricación de alta densidad de potencia a bajo costo para los generadores termoeléctricos (GTE) han contribuido a la viabilidad tecnoeconómica de los sistemas de GTE como un sistema efectivo de generación de energía en aplicaciones de recuperación de calor, enfriamiento, electricidad y eficiencia del motor. Los factores dependientes del entorno, como la distribución no uniforme de calor, el daño al recubrimiento de transferencia de calor entre los sumideros y las fuentes, y las fallas mecánicas, crean una generación de corriente no uniforme y una falta de coincidencia de impedancia que causan pérdida de potencia. Como solución a este problema de multisolución no lineal, se presenta un control MPPT mejorado, que utiliza la optimización de apareamiento de mejillón improvisada (BMO). Se formulan estudios de caso para evaluar el rendimiento del control MPPT BMP propuesto bajo distribución de temperatura no uniforme. Los resultados se comparan con la optimización del lobo gris (GWO), la optimización por enjambre de partículas (PSO) y el algoritmo de búsqueda del cuco (CS). Se logra un seguimiento más rápido del punto de potencia máxima global (GMPP) en 381 ms, una eficiencia de seguimiento de potencia más alta de hasta 99.93% y una menor oscilación de ~0.8 W con el BMO propuesto con la mayor recolección de energía en promedio. El análisis estadístico refuerza aún más el mejor rendimiento del controlador propuesto con el menor error cuadrático medio (RMSE), RE y SR más altos.
Descripción
La necesidad de recursos de energía renovable está en constante aumento debido a la preocupación por los problemas ambientales asociados con los combustibles fósiles. Las técnicas de fabricación de alta densidad de potencia a bajo costo para los generadores termoeléctricos (GTE) han contribuido a la viabilidad tecnoeconómica de los sistemas de GTE como un sistema efectivo de generación de energía en aplicaciones de recuperación de calor, enfriamiento, electricidad y eficiencia del motor. Los factores dependientes del entorno, como la distribución no uniforme de calor, el daño al recubrimiento de transferencia de calor entre los sumideros y las fuentes, y las fallas mecánicas, crean una generación de corriente no uniforme y una falta de coincidencia de impedancia que causan pérdida de potencia. Como solución a este problema de multisolución no lineal, se presenta un control MPPT mejorado, que utiliza la optimización de apareamiento de mejillón improvisada (BMO). Se formulan estudios de caso para evaluar el rendimiento del control MPPT BMP propuesto bajo distribución de temperatura no uniforme. Los resultados se comparan con la optimización del lobo gris (GWO), la optimización por enjambre de partículas (PSO) y el algoritmo de búsqueda del cuco (CS). Se logra un seguimiento más rápido del punto de potencia máxima global (GMPP) en 381 ms, una eficiencia de seguimiento de potencia más alta de hasta 99.93% y una menor oscilación de ~0.8 W con el BMO propuesto con la mayor recolección de energía en promedio. El análisis estadístico refuerza aún más el mejor rendimiento del controlador propuesto con el menor error cuadrático medio (RMSE), RE y SR más altos.