Zaawansowane technologie optymalizacji sieci energetycznej z wykorzystaniem Internetu rzeczy (IoT) i sztucznej inteligencji (AI)

Niniejsza praca przedstawia metodę optymalizacji wydajności systemów energetycznych z wykorzystaniem Internetu Rzeczy i sztucznej inteligencji. Metoda ta automatycznie wykrywa spadki napięcia. Korekta błędów jest wykonywana automatycznie w czasie rzeczywistym poprzez rekonfigurację i automatyczną rekombinację przełączników w całym systemie. Technika ta zapewnia łatwy sposób nadzorowania sieci energetycznych za pomocą urządzeń SCADA. Zaproponowano algorytmy adaptacyjnej optymalizacji roju cząstek (APSO) do oceny strat mocy i spadków napięcia (PLVD) w promieniowym systemie dystrybucji (RDS). Standardowy test magistrali IEEE 33 jest wykorzystywany do badania jakości zasilania proponowanego systemu. Trzy odpowiednie lokalizacje dla wtrysku fotowoltaicznych źródeł rozproszonych (PDS) są określane na podstawie redukcji strat mocy i wskaźnika napięcia. System usuwa usterki takie jak odchylenie współczynnika mocy (PFD) lub częściowe zacienienie ogniw słonecznych poprzez rekonfigurację i automatyczną rekombinację 33-busowych gałęzi systemu radialnego. Adaptacyjna optymalizacja roju cząstek (APSO) umożliwiła poprawę profilu mocy i wykazała niezawodność proponowanej metody.