Published January 1, 2023 | Version v1
Publication Open

Gaussian PI Controller Network Classifier for Grid-Connected Renewable Energy System

Creators

  • 1. Botswana International University of Science and Technology
  • 2. Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology
  • 3. Defence University College

Description

Multi-port converters are considered as exceeding earlier period decade owing to function in a combination of different energy sources in a single processing unit.Renewable energy sources are playing a significant role in the modern energy system with rapid development.In renewable sources like fuel combustion and solar energy, the generated voltages change due to their environmental changes.To develop energy resources, electric power generation involved huge awareness.The power and output voltages are plays important role in our work but it not considered in the existing system.For considering the power and voltage, Gaussian PI Controller-Maxpooling Deep Convolutional Neural Network Classifier (GPIC-MDCNNC) Model is introduced for the grid-connected renewable energy system.The input information is collected from two input sources.After that, input layer transfer information to hidden layer 1 fuzzy PI is employed for controlling voltage in GPIC-MDCNNC Model.Hidden layer 1 is transferred to hidden layer 2. Gaussian activation is employed for determining the output voltage with help of the controller.At last, the output layer offers the last value in GPIC-MDCNNC Model.The designed method was confirmed using one and multiple sources by stable and unpredictable input voltages.GPIC-MDCNNC Model increases the performance of grid-connected renewable energy systems by enhanced voltage value compared with state-of-the-art works.The control technique using GPIC-MDCNNC Model increases the dynamics of hybrid energy systems connected to the grid.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تعتبر المحولات متعددة المنافذ أنها تتجاوز عقدًا من الزمن بسبب عملها في مزيج من مصادر الطاقة المختلفة في وحدة معالجة واحدة. تلعب مصادر الطاقة المتجددة دورًا مهمًا في نظام الطاقة الحديث مع التطور السريع. في المصادر المتجددة مثل احتراق الوقود والطاقة الشمسية، تتغير الفولتية الناتجة بسبب تغيراتها البيئية. لتطوير موارد الطاقة، ينطوي توليد الطاقة الكهربائية على وعي كبير. تلعب فولتية الطاقة والمخرجات دورًا مهمًا في عملنا ولكنها لا تؤخذ في الاعتبار في النظام الحالي. بالنظر إلى الطاقة والجهد، يتم إدخال نموذج Gaussian PI Controller - Maxpooling Deep Convolutionalal Neural Network Classifier (GPIC - MDCNNC) لنظام الطاقة المتجددة المتصل بالشبكة. يتم جمع معلومات المدخلات من مصدرين للإدخال. بعد ذلك، يتم استخدام معلومات نقل طبقة الإدخال إلى الطبقة المخفية 1 ضبابية PI للتحكم في الجهد في نموذج GPIC - MDCNC. يتم نقل الطبقة المخفية 1 إلى الطبقة المخفية 2. يتم استخدام التنشيط الغاوسي لتحديد جهد الخرج بمساعدة وحدة التحكم. وأخيرًا، تقدم طبقة الخرج القيمة الأخيرة في نموذج GPIC - MDCNNC. تم تأكيد الطريقة المصممة باستخدام مصدر واحد ومتعدد من خلال فولتية الإدخال المستقرة وغير المتوقعة. يزيد نموذج GPIC - MDCNNC من أداء أنظمة الطاقة المتجددة المتصلة بالشبكة من خلال تعزيز قيمة الجهد مقارنةً بأحدث الأعمال. تزيد تقنية التحكم باستخدام نموذج GPIC - MDCNC من ديناميكيات أنظمة الطاقة الهجينة المتصلة بالشبكة.

Translated Description (French)

Les convertisseurs multi-ports sont considérés comme dépassant la décennie précédente en raison de leur fonctionnement dans une combinaison de différentes sources d'énergie dans une seule unité de traitement. Les sources d'énergie renouvelables jouent un rôle important dans le système énergétique moderne à développement rapide. Dans les sources renouvelables comme la combustion de carburant et l'énergie solaire, les tensions générées changent en raison de leurs changements environnementaux. Pour développer les ressources énergétiques, la production d'énergie électrique impliquait une énorme sensibilisation. Les tensions d'alimentation et de sortie jouent un rôle important dans notre travail, mais elles ne sont pas prises en compte dans le système existant. Pour tenir compte de l'alimentation et de la tension, le modèle GPIC-MDCNNC (Gaussian PI Controller-Maxpooling Deep Convolutional Neural Network Classifier) est introduit pour le système d'énergie renouvelable connecté au réseau. Les informations d'entrée sont collectées à partir de deux sources d'entrée. Après cela, les informations de transfert de couche d'entrée vers la couche cachée 1 sont utilisées pour contrôler la tension dans le modèle GPIC-MDCNNC. La couche cachée 1 est transférée dans la couche cachée 2. L'activation gaussienne est utilisée pour déterminer la tension de sortie à l'aide du contrôleur. Enfin, la couche de sortie offre la dernière valeur du modèle GPIC-MDCNNC. La méthode conçue a été confirmée à l'aide d'une et de plusieurs sources par des tensions d'entrée stables et imprévisibles. Le modèle GPIC-MDCNNC augmente les performances des systèmes d'énergie renouvelable connectés au réseau par une valeur de tension améliorée par rapport aux travaux de pointe. La technique de contrôle utilisant le modèle GPIC-MDCNNC augmente la dynamique des systèmes d'énergie hybrides connectés au réseau.

Translated Description (Spanish)

Se considera que los convertidores multipuerto exceden la década de un período anterior debido a su función en una combinación de diferentes fuentes de energía en una sola unidad de procesamiento. Las fuentes de energía renovables están desempeñando un papel importante en el sistema de energía moderno con un rápido desarrollo. En fuentes renovables como la combustión de combustible y la energía solar, los voltajes generados cambian debido a sus cambios ambientales. Para desarrollar recursos energéticos, la generación de energía eléctrica implicó una gran conciencia. Los voltajes de potencia y salida juegan un papel importante en nuestro trabajo, pero no se consideran en el sistema existente. Para considerar la potencia y el voltaje, se introduce el modelo Gaussian PI Controller-Maxpooling Deep Convolutional Neural Network Classifier (GPIC-MDCNNC) para el sistema de energía renovable conectado a la red. La información de entrada se recopila de dos fuentes de entrada. Después de eso, la información de transferencia de la capa de entrada a la capa oculta 1 fuzzy PI se emplea para controlar el voltaje en el modelo GPIC-MDCNNC. La capa oculta 1 se transfiere a la capa oculta 2. La activación gaussiana se emplea para determinar el voltaje de salida con la ayuda del controlador. Por último, la capa de salida ofrece el último valor en el modelo GPIC-MDCNNC. El método diseñado se confirmó utilizando una y múltiples fuentes mediante voltajes de entrada estables e impredecibles. El modelo GPIC-MDCNNC aumenta el rendimiento de los sistemas de energía renovable conectados a la red mediante un valor de voltaje mejorado en comparación con los trabajos de última generación. La técnica de control que utiliza el modelo GPIC-MDCNNC aumenta la dinámica de los sistemas de energía híbridos conectados a la red.

Files

TSP_IASC_26069.pdf.pdf

Files (1.2 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:3584145b906cdb4724ca520dfa506af9
1.2 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
مصنف شبكة المتحكم في مؤشر الأداء الغاوسي لنظام الطاقة المتجددة المتصل بالشبكة
Translated title (French)
Classificateur de réseau de contrôleur PI gaussien pour le système d'énergie renouvelable connecté au réseau
Translated title (Spanish)
Clasificador de red de controlador PI gaussiano para sistema de energía renovable conectado a la red

Identifiers

Other
https://openalex.org/W4281704395
DOI
10.32604/iasc.2023.026069

Is supplement to
https://openalex.org/W4309474813 (Other)
https://openalex.org/W2357753603 (Other)
https://openalex.org/W2171915689 (Other)
https://openalex.org/W2167345368 (Other)
https://openalex.org/W2151105100 (Other)
https://openalex.org/W2141496297 (Other)
https://openalex.org/W2116093607 (Other)
https://openalex.org/W2002991661 (Other)
https://openalex.org/W1577794277 (Other)
https://openalex.org/W1552291238 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Botswana

References

  • https://openalex.org/W2003768412
  • https://openalex.org/W2343378172
  • https://openalex.org/W2593975450
  • https://openalex.org/W2607443033
  • https://openalex.org/W2619766415
  • https://openalex.org/W2884279837
  • https://openalex.org/W2941212341
  • https://openalex.org/W2986081118
  • https://openalex.org/W3004653383
  • https://openalex.org/W3094263369
  • https://openalex.org/W3098418327
  • https://openalex.org/W3116722673
  • https://openalex.org/W3123019907
  • https://openalex.org/W3130180637
  • https://openalex.org/W3139522315
  • https://openalex.org/W3176118210
  • https://openalex.org/W3190816373
  • https://openalex.org/W3192716991
  • https://openalex.org/W3203981927