Advancing wind energy systems with predictive control and efficiency optimization in smart grids; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 336, № 8
| Источник: | Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов=Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering/ Национальный исследовательский Томский политехнический университет.— .— Томск: Изд-во ТПУ, 2015-.— 2413-1830 Т. 336, № 8.— 2025.— С. 95-107 |
|---|---|
| Главный автор: | |
| Другие авторы: | |
| Примечания: | Relevance. Integrating wind power presents unique challenges due to its intermittent nature, but smart grids offer a solution. Smart grids, with their advanced communication, control, and automation capabilities, provide an ideal platform for managing the variability of wind power. By utilizing real-time data and intelligent algorithms, smart grids can dynamically balance supply and demand, maximizing wind power and other renewable sources. This synergy significantly enhances the stability and security of the power grid while also improving its overall efficiency. Aim. To combine predictive control model and AI-based techniques with adaptive control, as well as real-time monitoring to show excellent performance in terms of system stability, energy efficiency, improved economic viability. Objects. Wind energy systems and how smart grids can be utilized to do better control of it. Methods. Comprehensive methodology to enhance wind energy systems by employing predictive control and improving efficiency in smart grids. It integrates advanced, model-based optimization methods (e.g., predictive control model) and learning control schemes using artificial intelligence approaches within efficiency-oriented online evolutionary strategies that support real-time monitoring and adaptive modeling. This methodology encompasses three primary phases: system modeling, predictive control application, and efficiency maximization. Results. These research findings point out the significant rooms for improvement concerning the predictive control and efficiency optimization strategy on the smart grid-integrated wind systems. The study illustrates that integrating them with advanced control strategies such as predictive control model and AI techniques may provide a solution to bring significant improvements in system stability and energy efficiency. By utilizing predictive algorithms, these novel methods can predict the variations of future wind generation and act proactively to reduce fluctuations in wind power generation providing a more stable output with minimum losses (greater reliability) Актуальность. Интеграция ветроэнергетик представляет собой уникальные проблемы из-за ее прерывистого характера, но умные сети предлагают решение. Умные сети с их передовыми возможностями связи, управления и автоматизации предоставляют идеальную платформу для управления изменчивостью энергии ветра. Используя данные в реальном времени и интеллектуальные алгоритмы, умные сети могут динамически балансировать спрос и предложение, максимизируя энергию ветра и другие возобновляемые источники. Эта синергия значительно повышает стабильность и безопасность электросети, а также ее общую эффективность. Цель. Объединить модель предиктивного управления и методы на основе искусственного интеллекта с адаптивным управлением, а также мониторингом в реальном времени, чтобы продемонстрировать превосходную производительность с точки зрения стабильности системы, энергоэффективности, улучшенной экономической жизнеспособности. Объекты: системы ветроэнергетики и то, как умные сети могут использоваться для лучшего управления ими. Методы: комплексная методология для улучшения систем ветроэнергетики путем использования предиктивного управления и повышения эффективности в умных сетях. Она объединяет передовые методы оптимизации на основе моделей (например, модель предиктивного управления) и схемы управления обучением с использованием подходов искусственного интеллекта в рамках ориентированных на эффективность онлайн-эволюционных стратегий, которые поддерживают мониторинг в реальном времени и адаптивное моделирование. Эта методология охватывает три основных этапа: моделирование системы, применение предиктивного управления и максимизация эффективности. Результаты этих исследований указывают на значительные возможности для улучшения стратегии прогнозного управления и оптимизации эффективности в ветровых системах, интегрированных в умную сеть. Исследование показывает, что их интеграция с передовыми стратегиями управления, такими как методы прогнозного управления с использованием модели предиктивного управления и искусственного интеллекта, может обеспечить решение для значительного улучшения стабильности системы и энергоэффективности. Используя прогнозные алгоритмы, эти новые методы могут прогнозировать изменения будущей генерации ветра и действовать упреждающе для снижения колебаний в генерации ветроэнергии, обеспечивая более стабильный с минимальными потерями (большая надежность) выход Текстовый файл |
| Язык: | английский |
| Опубликовано: |
2025
|
| Предметы: | |
| Online-ссылка: | https://earchive.tpu.ru/handle/11683/132605 https://doi.org/10.18799/24131830/2025/8/4855 |
| Формат: | Электронный ресурс Статья |
| Запись в KOHA: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681565 |
MARC
| LEADER | 00000naa2a2200000 4500 | ||
|---|---|---|---|
| 001 | 681565 | ||
| 005 | 20251001155705.0 | ||
| 090 | |a 681565 | ||
| 100 | |a 20250905d2025 k||y0rusy50 ca | ||
| 101 | 0 | |a eng | |
| 102 | |a RU | ||
| 135 | |a drcn uucaa | ||
| 200 | 1 | |a Advancing wind energy systems with predictive control and efficiency optimization in smart grids |d Развитие ветроэнергетических систем с прогнозируемым управлением и оптимизацией эффективности в умных сетях |z rus |f Karrar H. Kadhim, Mohamad Jasem | |
| 320 | |a References: p. 106-107 (22 tit.) | ||
| 330 | |a Relevance. Integrating wind power presents unique challenges due to its intermittent nature, but smart grids offer a solution. Smart grids, with their advanced communication, control, and automation capabilities, provide an ideal platform for managing the variability of wind power. By utilizing real-time data and intelligent algorithms, smart grids can dynamically balance supply and demand, maximizing wind power and other renewable sources. This synergy significantly enhances the stability and security of the power grid while also improving its overall efficiency. Aim. To combine predictive control model and AI-based techniques with adaptive control, as well as real-time monitoring to show excellent performance in terms of system stability, energy efficiency, improved economic viability. Objects. Wind energy systems and how smart grids can be utilized to do better control of it. Methods. Comprehensive methodology to enhance wind energy systems by employing predictive control and improving efficiency in smart grids. It integrates advanced, model-based optimization methods (e.g., predictive control model) and learning control schemes using artificial intelligence approaches within efficiency-oriented online evolutionary strategies that support real-time monitoring and adaptive modeling. This methodology encompasses three primary phases: system modeling, predictive control application, and efficiency maximization. Results. These research findings point out the significant rooms for improvement concerning the predictive control and efficiency optimization strategy on the smart grid-integrated wind systems. The study illustrates that integrating them with advanced control strategies such as predictive control model and AI techniques may provide a solution to bring significant improvements in system stability and energy efficiency. By utilizing predictive algorithms, these novel methods can predict the variations of future wind generation and act proactively to reduce fluctuations in wind power generation providing a more stable output with minimum losses (greater reliability) | ||
| 330 | |a Актуальность. Интеграция ветроэнергетик представляет собой уникальные проблемы из-за ее прерывистого характера, но умные сети предлагают решение. Умные сети с их передовыми возможностями связи, управления и автоматизации предоставляют идеальную платформу для управления изменчивостью энергии ветра. Используя данные в реальном времени и интеллектуальные алгоритмы, умные сети могут динамически балансировать спрос и предложение, максимизируя энергию ветра и другие возобновляемые источники. Эта синергия значительно повышает стабильность и безопасность электросети, а также ее общую эффективность. Цель. Объединить модель предиктивного управления и методы на основе искусственного интеллекта с адаптивным управлением, а также мониторингом в реальном времени, чтобы продемонстрировать превосходную производительность с точки зрения стабильности системы, энергоэффективности, улучшенной экономической жизнеспособности. Объекты: системы ветроэнергетики и то, как умные сети могут использоваться для лучшего управления ими. Методы: комплексная методология для улучшения систем ветроэнергетики путем использования предиктивного управления и повышения эффективности в умных сетях. Она объединяет передовые методы оптимизации на основе моделей (например, модель предиктивного управления) и схемы управления обучением с использованием подходов искусственного интеллекта в рамках ориентированных на эффективность онлайн-эволюционных стратегий, которые поддерживают мониторинг в реальном времени и адаптивное моделирование. Эта методология охватывает три основных этапа: моделирование системы, применение предиктивного управления и максимизация эффективности. Результаты этих исследований указывают на значительные возможности для улучшения стратегии прогнозного управления и оптимизации эффективности в ветровых системах, интегрированных в умную сеть. Исследование показывает, что их интеграция с передовыми стратегиями управления, такими как методы прогнозного управления с использованием модели предиктивного управления и искусственного интеллекта, может обеспечить решение для значительного улучшения стабильности системы и энергоэффективности. Используя прогнозные алгоритмы, эти новые методы могут прогнозировать изменения будущей генерации ветра и действовать упреждающе для снижения колебаний в генерации ветроэнергии, обеспечивая более стабильный с минимальными потерями (большая надежность) выход | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |0 288378 |9 288378 |t Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов |l Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering |f Национальный исследовательский Томский политехнический университет |c Томск |n Изд-во ТПУ |d 2015- |x 2413-1830 | |
| 463 | 1 | |0 681496 |9 681496 |t Т. 336, № 8 |d 2025 |v С. 95-107 | |
| 610 | 1 | |a electronic resource | |
| 610 | 1 | |a wind energy systems | |
| 610 | 1 | |a predictive control | |
| 610 | 1 | |a efficiency optimization | |
| 610 | 1 | |a smart grids | |
| 610 | 1 | |a model predictive control | |
| 610 | 1 | |a artificial intelligence | |
| 610 | 1 | |a renewable energy integration | |
| 610 | 1 | |a energy efficiency | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a системы ветроэнергетики | |
| 610 | 1 | |a прогностическое управление | |
| 610 | 1 | |a оптимизация эффективности | |
| 610 | 1 | |a умные сети | |
| 610 | 1 | |a прогностическое управление моделями | |
| 610 | 1 | |a искусственный интеллект | |
| 610 | 1 | |a интеграция возобновляемых источников энергии | |
| 610 | 1 | |a энергоэффективность | |
| 700 | 1 | |a Kadhim |b K. H. |g Karrar | |
| 701 | 1 | |a Jasem |b M. |c Specialist in the field of mechanical engineering |c Assistant of the Department of Tomsk Polytechnic University |f 1985- |g Mohamad |9 22705 | |
| 801 | 0 | |a RU |b 63413507 |c 20250905 | |
| 850 | |a 63413507 | ||
| 856 | 4 | |u https://earchive.tpu.ru/handle/11683/132605 |z https://earchive.tpu.ru/handle/11683/132605 | |
| 856 | 4 | |u https://doi.org/10.18799/24131830/2025/8/4855 |z https://doi.org/10.18799/24131830/2025/8/4855 | |
| 942 | |c CF | ||