Advanced Engineering, Technology and Applications on Power Systems

Inhaltsverzeichnis

1. Frontmatter

2. Evaluating Augmentation Strategies for CNN-Based Skin Lesion Classification on HAM10000

   Rayan Bribesh, Wadhah Zeyad Tareq

   Dieses Kapitel untersucht die Bewertung von vier wichtigen Techniken zur Datenaugmentation - geometrische Transformationen, Farbraummodifikationen, zufällige Löschung und Rauschinjektion - über die Leistung von CNN-basierten Modellen zur Klassifizierung von Hautläsionen unter Verwendung des HAM10000-Datensatzes. Die Studie wendet diese Techniken systematisch auf drei CNN-Architekturen an: GoogLeNet, ResNet34 und MobileNetV3. Es untersucht die Auswirkungen jeder Augmentationsmethode auf Modellgenauigkeit, Präzision, Recall und F1-Score und liefert einen umfassenden Vergleich ihrer Effektivität. Die Ergebnisse zeigen, dass verschiedene Architekturen unterschiedlich auf verschiedene Augmentationsstrategien reagieren. GoogLeNet profitiert am meisten von geometrischen und farblichen Transformationen, MobileNetV3 zeichnet sich durch zufälliges Löschen und Helligkeitskontrastanpassungen aus und ResNet34 zeigt eine bessere Toleranz gegenüber Rauschinjektionen. Das Kapitel behandelt auch die mit bestimmten Augmentationstechniken verbundenen rechnerischen Herausforderungen und bietet Einblicke in die Optimierung von Strategien zur Datenvorverarbeitung. Die Studie schließt mit der Betonung der Wichtigkeit, die Augmentationsstrategien auf die spezifische verwendete Architektur zuzuschneiden, und schlägt zukünftige Forschungsrichtungen vor, einschließlich der Integration von GAN-basierter Bildgenerierung und automatisierten Suchmethoden für Augmentationsstrategien.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

3. Dynamic Decoupling Modeling of Cascaded Multilevel System Based on Switch Function Equivalence for H-Bridge with User-Defined Topology

   Huangli Wei, Wentian Cao, Xufeng Li, Pan Ding, Hao Zhang

   Dieses Kapitel befasst sich mit der dynamischen Entkoppelungsmodellierung kaskadierter mehrstufiger Systeme auf Grundlage der Äquivalenz von Schaltfunktionen für H-Brücken-Topologien. Sie adressiert die Herausforderungen traditioneller Modellierungsmethoden, wie etwa den hohen Ressourcenverbrauch und die Unfähigkeit, sich an unterschiedliche DC-seitige Energieeinheiten anzupassen. Der Text führt eine topologische Entkopplungsstrategie ein, die physische Schaltgeräte durch kontrollierte Spannungs- und Stromquellen ersetzt, eine galvanische Trennung erreicht und die Simulationskomplexität verringert. Das Kapitel untersucht auch die Integration multiphysikalischer Feldzusammenarbeit und intelligenter Kontrollstrategien und stellt einen allgemeinen Modellierungsrahmen zur Verfügung, der Modellgenauigkeit und Recheneffizienz ausbalanciert. Simulationsergebnisse mit SimuNPS und Simulink zeigen die Effektivität des vorgeschlagenen Ansatzes und schaffen die Grundlage für die Echtzeitsimulation großer Leistungselektronik-Systeme.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

4. Combined ANN and Wavelet Transform Methods for Fault Detection of Asynchronous Machines

   Atabak Najafi, Ahmet Demir, Hakan Acaroglu, Fausto Pedro García Márquez

   Dieses Kapitel befasst sich mit der Anwendung künstlicher neuronaler Netzwerke (ANN) und Wavelet-Transformationsmethoden zur Erkennung von Fehlern in asynchronen Maschinen. Der primäre Fokus liegt dabei auf Stator-Interturn-Störungen, die bei industriellen elektrischen Maschinen eine entscheidende Rolle spielen. Das Kapitel beginnt mit der Diskussion der Bedeutung der Fehlererkennung für die Zuverlässigkeit und Effizienz industrieller Prozesse. Anschließend wird der Einsatz aktueller Signaturanalysen untersucht, um diese Fehler zu identifizieren. Das Kapitel bietet eine detaillierte Erklärung der Wellentransformationstechnologie und hebt ihre Fähigkeit hervor, Signalmerkmale wie Trends und Breakpoints zu extrahieren. Er diskutiert auch die Rolle des ANN bei der Fehlererkennung und betont seine Effektivität, geringen Rechenkosten und Genauigkeit. Das Kapitel enthält praktische Beispiele und Fallstudien, die die Anwendung dieser Techniken in realen Szenarien demonstrieren. Die Ergebnisse zeigen, dass die Kombination von ANN- und Wellentransformationsmethoden nicht nur das Vorhandensein von Fehlern erkennt, sondern auch die Art des Fehlers effektiv identifiziert. Das Kapitel schließt mit der Diskussion des Potenzials zukünftiger Forschung in diesem Bereich, einschließlich der Anwendung dieser Techniken auf andere Arten von Fehlern und der Entwicklung fortschrittlicherer Fehlererkennungssysteme.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

5. Multi-physics Field Study of Induction-Heated Solid-State Electrothermal Energy Storage Devices

   Jinxin Wen, Wan Pang, Qiguang Chen, Qiren Chen, Zuoxia Xing

   Dieses Kapitel vertieft sich in die multi-physikalische Feldstudie induktiv beheizter elektrothermischer Festkörper-Energiespeicher und vergleicht sie mit traditioneller widerstandsfähiger Heiztechnik. Die Studie zeigt, dass die Induktionserwärmung signifikante Verbesserungen bei Heizeffizienz, Temperaturverteilung und Gesamtleistung bietet. Mithilfe von COMSOL-Simulationen analysiert die Forschung die Verteilung des elektromagnetischen Feldes, die Temperaturfelddynamik und die Strömungsfeldcharakteristik sowohl während der Wärmespeicherung als auch während der exothermen Phase. Die Ergebnisse zeigen, dass die Induktionserwärmung eine maximale magnetische Induktionsintensität von 0,0996 T erreicht, wobei der Wärmespeicher eine maximale Temperatur von 1020 ° C und eine Durchschnittstemperatur von 900 ° C erreicht. Die exotherme Phasenanalyse zeigt einen effizienten Wärmeübergang, wobei die Temperaturen in den Bereich von 300-500 ° C fallen. Die Studie kommt zu dem Schluss, dass die Induktionsheiztechnologie für Energiespeicheranwendungen sehr gut geeignet ist und schnelle Reaktionszeiten und hervorragende Wärmespeicherfähigkeiten bietet. Diese Forschungsergebnisse liefern wertvolle Erkenntnisse für Fachleute, die das Design und die Leistung elektrothermischer Festkörper-Energiespeicher optimieren wollen.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

6. An Estimation of Degradation Parameters for Components of Floating Wind Turbines

   Alberto Pliego Marugan, Jesús Maria Pinar-Perez, Fausto Pedro Garcia Marquez

   Dieses Kapitel untersucht die einzigartigen Wartungsherausforderungen, vor denen schwimmende Offshore-Windturbinen (FOWTs) aufgrund ihrer Bewegung und der rauen Meeresbedingungen stehen. Es konzentriert sich auf die Abschätzung von Degradationsparametern für FOWT-Komponenten mittels eines Gamma-basierten stochastischen Degradationsprozesses. Der Aufsatz integriert Daten von unten angebauten Turbinen, Expertenmeinungen und veröffentlichte Degradationsmodelle, um ein robustes Regressionsmodell zu erstellen. Es adressiert die Herausforderungen der Multikollinearität und begrenzten Stichprobengröße mittels Ridge-Regression und bietet einen hohen Bestimmungskoeffizienten (R ² = 0,933) und einen niedrigen RMSE-Wert. Die geschätzten Parameter können verwendet werden, um Degradation zu modellieren und Wartungsplanungsszenarien für schwimmende Offshore-Windparks zu erstellen. Zukünftige Forschungen werden fortschrittlichere stochastische Modelle einbeziehen, um die spezifische Empfindlichkeit jedes Teilsystems gegenüber externen degradierenden Faktoren zu berücksichtigen.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

7. Research on Multi-agent Collaborative Obstacle Avoidance Method Based on Reinforcement Learning

   Ruijin Zhao, Donghui Zhao, Renren Bao, Junyou Yang, Liyong Feng

   Dieses Kapitel geht den Herausforderungen und Fortschritten bei der kooperativen Vermeidung von multiagenten Hindernissen nach und konzentriert sich dabei auf die Beschränkungen traditioneller Methoden wie Vektorfeld-Histogramm (VFH) und optimaler gegenseitiger Kollisionsvermeidung (ORCA). Es stellt ein neuartiges Rahmenwerk zur vertieften Stärkung des Lernens vor, das verteilte politische Netzwerke, Aufmerksamkeitsmechanismen und Lehrpläne kombiniert, um Anpassungsfähigkeit und Recheneffizienz zu verbessern. Die Studie stellt einen detaillierten Vergleich der vorgeschlagenen Methode mit herkömmlichen Ansätzen dar und zeigt signifikante Verbesserungen bei der Vermeidungserfolgsrate, der Gleitfähigkeit der Flugbahn und der Echtzeitleistung. Die experimentellen Ergebnisse unterstreichen die überlegene Wirksamkeit der Methode in dynamischen Umgebungen, indem sie über 200 Wirkstoffe gleichzeitig unterstützt und über verschiedene Bevölkerungsgrößen hinweg eine stabile Leistung aufrechterhält. Das Kapitel schließt mit der Etablierung eines neuen technischen Paradigmas zur Vermeidung multiagenter Hindernisse, insbesondere in komplexen und dynamischen Umgebungen.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

8. Research on Multi-modal Physiotherapy Robot System Based on Dynamic Acupoint Recognition

   Xin Ma, Donghui Zhao, Jiahui Ding, Junyou Yang, Liyong Feng

   Dieses Kapitel befasst sich mit der Entwicklung und Validierung eines multimodalen physiotherapeutischen Robotersystems, das die Genauigkeit und Sicherheit der Akupoint-Erkennung und -Behandlung verbessern soll. Die Studie befasst sich mit den Beschränkungen traditioneller physiotherapeutischer Methoden wie Variabilität des Operators und Inkonsistenzen in der Behandlung, indem sie hochpräzise Bewegungssteuerung und Reproduzierbarkeit des Protokolls nutzt. Das System besteht aus einem Hardwaresystem, zu dem ein Roboterarm, eine Tiefenkamera und eine multimodale Therapiesonde gehören, sowie einem multimodalen System, das therapeutische Massageaufgaben durch verschiedene Module ausführt. Die Schlüsselinnovation liegt in der Verwendung eines zweistufigen Funktionserkennungsnetzwerks, RTMpose, das RTMDet und RTMPose für eine hohe Vorhersagegenauigkeit kombiniert. Die Studie stellt außerdem einen bio-inspirierten pneumatischen Endeffektor vor, um Echtzeit-Sicherheit bei dynamischem Kontakt zu gewährleisten. Experimentelle Ergebnisse zeigen die Fähigkeit des Systems, Akupunkte genau zu erkennen und präzise therapeutische Massage-Maßnahmen durchzuführen, die durch umfangreiche Tests und Anwenderfeedback validiert wurden. Das Kapitel schließt mit der Hervorhebung der Eignung des Systems für verschiedene physiotherapeutische Szenarien und seines Potenzials, effiziente und sichere personalisierte physiotherapeutische Leistungen anzubieten.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

9. ‘Research on Dual-Arm Robot Planning Methods for Power Arrester Disassembly Tasks

   Mengyue Liu, Donghui Zhao, Jiahui Ding, Junyou Yang, Liyong Feng

   Dieses Kapitel befasst sich mit der Entwicklung zweiarmiger Roboterplanungsmethoden, die speziell für die Demontage von Stromableitern in Verteilungsnetzen entwickelt wurden. Der Schwerpunkt liegt auf der hochpräzisen Lokalisierung kleiner Ziele wie Muttern und dem stabilen Greifen von Ableitern, um die Betriebssicherheit und Effizienz zu erhöhen. Der Text führt eine visionsbasierte zweiarmige Operationsmethodik ein, die die Schätzung der Pose des Haltegriffes, die Zielpositionierung für kleine Objekte und die Wegeplanung zum Entfernen von Muttern integriert. Eine bedeutende Innovation ist die Verwendung zentrischer Beschränkungen innerhalb des GPD-Algorithmus, um die Haltestabilität zu verbessern und das Risiko von Rutschungen und Rotationen während der Demontage zu verringern. Der YOLOv11-Objekterkennungsalgorithmus wird für die präzise Positionierung von Muttern eingesetzt, wobei ein zweiphasiger Ansatz die Grobpositionierung der globalen Kamera mit der hochpräzisen Positionierung der Endeffektor-Kamera kombiniert. Experimentelle Ergebnisse zeigen eine 60% ige Verbesserung der Griffstabilität und einen mittleren Positionierungsfehler von 2,9 mm bei Muttern. Das Kapitel beleuchtet auch den geordneten und stabilen Betrieb des Roboters während der Demontagearbeiten, wie die Analyse der Kraft- und Drehmomentdaten belegt. Insgesamt bieten die vorgeschlagenen Methoden eine systematische und wiederverwendbare technische Lösung zur Automatisierung der Demontage von Stromableitern, um die Bediener von hochriskanten Umgebungen fernzuhalten und Unfälle zu verhindern.

   KI-Generiert

   Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

   Originaltext anzeigen

10. Adaptive Coordination Control Strategy of Inertia-Damping Dynamics with Additional Frequency Response Control

    Mengze Yin, Shengyang Lu, Jian Dong, Xiayu Liu, Qi Si, Haixin Wang, Junyou Yang, Tieyan Zhang

    Dieses Kapitel befasst sich mit der adaptiven Koordinationssteuerungsstrategie für die Dynamik der Trägheitsdämpfung in Stromversorgungssystemen, wobei der Schwerpunkt auf der Integration zusätzlicher Frequenzreaktionskontrollen zur Verbesserung der Stabilität liegt. Der Text analysiert den Mechanismus der Trägheitsdämpfung von stationären Fehlern und dynamischer Reaktion bei aktiver Frequenz und schlägt einen adaptiven, koordinierten Regelalgorithmus auf Grundlage von Leistungsfrequenzmerkmalen vor. Außerdem wird der Einfluss von Trägheit und Dämpfungskoeffizienten auf die Stabilität und Leistung des Systems untersucht. Das Kapitel schließt mit Simulationen und experimentellen Ergebnissen, die die Wirksamkeit der Methode bei der Begrenzung von Frequenzfluktuationen und der signifikanten Verbesserung der vorübergehenden Stabilität des Systems aufzeigen. Die Leser erhalten Einblicke in die fortschrittlichen Regelungsstrategien für Energiesysteme, insbesondere im Zusammenhang mit der Integration erneuerbarer Energien und den Herausforderungen, die eine hohe Durchdringung von Leistungselektronik mit sich bringt.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

11. Automated Blood Group Detection Using YOLOv11x: A Deep Learning Approach

    Zahraa Kadhim Mansoor, Mudhaffar Hussein Ali, Mohanad A. Al-askari

    Dieses Kapitel untersucht die Anwendung von YOLOv11x, einem Deep-Learning-Modell, zur automatisierten Blutgruppenerkennung. Der Text geht auf die Herausforderungen traditioneller Nachweismethoden für Blutzellen ein und präsentiert YOLOv11x als Lösung, die hohe Präzision und Rückruf bietet. Der Abschnitt über die Methodik beschreibt den Prozess der Datenerfassung, bei dem Bilder aus verschiedenen klinischen Einrichtungen gesammelt wurden, und die Vorverarbeitungsschritte, einschließlich der Datenerweiterung zur Verbesserung der Funktionsvielfalt. Die Architektur des Modells wird detailliert diskutiert, wobei die Verwendung eines CNN-Transformer-Mix-Backbones und eines erweiterten Halsmoduls zur verbesserten Erkennung kleiner Objekte hervorgehoben wird. Die Trainings- und Bewertungsmetriken wie Genauigkeit, Präzision, Rückruf, Formel-1-Punktzahl und mittlere Durchschnittspräzision (MAP) werden ebenfalls erfasst. Die Ergebnisse zeigen die hohe Leistung des Modells mit einem mAP @ 0,5 von 98,06% auf dem Testsatz und 98,45% auf unsichtbaren Daten. Die Schlussfolgerung betont das Potenzial von YOLOv11x bei der Automatisierung der Blutgruppenerkennung und ebnet den Weg für eine effizientere und genauere medizinische Diagnostik.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

12. Optimization of Power Generators in Electricity Carbon-Green Certificate Market

    Junlin Liu, Xinyi Lu, Xiayu Liu, Haoqian Cui, Xu Chen, Guiqing Ma, Haoyan Gao, Haixin Wang, Junyou Yang

    Dieses Kapitel befasst sich mit der Optimierung von Strategien zur Stromerzeugung auf dem Markt für CO2-Zertifikate. Sie unterstreicht die wirtschaftlichen Vorteile sowohl für thermische als auch für erneuerbare Energieeinheiten durch die Integration grüner Zertifikate und Emissionshandelsmechanismen. Der Text präsentiert eine detaillierte Analyse der Kosten und Nutzen, die mit unterschiedlichen Methoden der Stromerzeugung verbunden sind, wobei die Verringerung der Kohlenstoffemissionen und die Erhöhung der Einnahmen für die Stromerzeuger hervorgehoben werden. Durch mathematische Modellierung und praktische Beispiele wird gezeigt, wie Wärmekraftwerke ihren CO2-Fußabdruck verringern und ihr Gesamteinkommen durch den Kauf grüner Zertifikate steigern können, während erneuerbare Energieeinheiten ihre Einnahmen durch den Verkauf dieser Zertifikate steigern können. Das Kapitel schließt mit einer vergleichenden Analyse der verschiedenen Handelsmechanismen, in der die signifikanten Verbesserungen bei der Einkommens- und Kohlenstoffemissionsreduzierung aufgezeigt werden, die durch die vorgeschlagenen Strategien erreicht wurden.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

13. Automated Retinal OCT Image Classification and Disease Interpretation

    Sahar Hamayun, Faran Mushtaq, Muhammad Usman Akram, Saad B. Ahmed

    Dieses Kapitel befasst sich mit den Fortschritten bei der Diagnose von Netzhauterkrankungen durch den Einsatz von optischer Kohärenztomographie (OCT) und künstlicher Intelligenz. Es konzentriert sich auf die Entwicklung und den Vergleich verschiedener Modelle des Convolutional Neural Network (CNN), darunter einfacher, komplexer und bereits ausgebildeter Architekturen wie InceptionV3. Die Studie betont die Bedeutung der Interpretierbarkeit von Modellen und der Integration von Large Language Modellen (LLMs), um detaillierte, menschlich verständliche Erklärungen für diagnostische Ergebnisse zu liefern. Die Forschung hebt auch die Implementierung einer benutzerfreundlichen Weboberfläche mittels Flask hervor, die eine nahtlose Integration von CNN- und LLM-Modellen ermöglicht. Die experimentellen Ergebnisse zeigen die überlegene Leistung des vorab trainierten InceptionV3-Modells, das hohe Genauigkeit, Präzision, Recall und F1-Werte erzielt. Das Kapitel diskutiert die Stärken und Grenzen des vorgeschlagenen Systems, einschließlich der Verarbeitung von Latenzproblemen und der Notwendigkeit weiterer Optimierungen. Er schließt mit Implikationen für die zukünftige Forschung, betont die Notwendigkeit verbesserter Modellausgereiftheit, der Lösung von Latenzproblemen und der Gewährleistung einer benutzerfreundlichen Umsetzung in der klinischen Praxis. Die Studie ebnet den Weg für weitere Fortschritte bei KI-gestützten Gesundheitslösungen, insbesondere im Bereich der Augenheilkunde.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

14. Key Node Identification of Cyber Physical Power System Based on Improved Power Flow Betweenness and Information Flow

    Kunqi Wang, Haoqian Cui, Shengyang Lu, Huan Li, Linglin Meng, Fei Zheng, Guiqing Ma, Junyou Yang, Haixin Wang

    Dieses Kapitel untersucht die entscheidende Rolle von Schlüsselknoten in Cyber-Physischen Stromversorgungssystemen (CPPS) und konzentriert sich auf Methoden zur Identifizierung und Bewertung dieser Knoten, um Netzstabilität und -sicherheit zu gewährleisten. Der Text vertieft sich in die Integration von Energiesystemen und Kommunikationsnetzen und zeigt die Schwachstellen und Risiken auf, die mit dieser engen Kopplung verbunden sind. Es werden fortgeschrittene Techniken zur Analyse der strukturellen und operativen Merkmale von Knoten eingeführt, einschließlich der Verwendung von strukturellen Lochbeschränkungskoeffizienten, Knotengraden und durchschnittlichen Nachbargraden. Das Kapitel stellt auch einen verbesserten Knotenleistungsfluss zwischen den Indikatoren vor und diskutiert die Anwendung von Entropiegewichtsmethoden zur Erstellung umfassender Bewertungsindikatoren. Eine detaillierte Fallstudie, die das IEEE39-Knotensystem einbezieht, zeigt die Wirksamkeit der vorgeschlagenen Methoden und vergleicht sie mit bestehenden Forschungsergebnissen, um ihre Genauigkeit und Überlegenheit zu bestätigen. Die Analyse umfasst die Auswirkungen der Entfernung von Knoten auf die globale Effizienz und Konnektivitätsrate des Netzwerks und liefert ein umfassendes Verständnis des Einflusses der kritischen Knoten auf die Netzleistung. Die Schlussfolgerungen betonen die Bedeutung der Berücksichtigung sowohl topologischer als auch operativer Merkmale bei der Identifizierung wichtiger Knoten und bieten wertvolle Erkenntnisse zur Verbesserung der Widerstandsfähigkeit und Zuverlässigkeit cyber-physischer Energiesysteme.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

15. Quasi Electromechanical Oscillation Suppression Based on Multi-VSG System Parameter Cooperative Adaptive Control Strategy

    Qi Si, Shengyang Lu, Xiayu Liu, Haoqian Cui, Shanshan Cheng, Haoyan Gao, Fei Zheng, Haixin Wang, Junyou Yang

    Dieses Kapitel geht den Herausforderungen nach, die sich aus der Integration erneuerbarer Energiequellen wie Wind- und Photovoltaik in die Stromnetze ergeben. Er beleuchtet die Probleme der Intermittenz, des Mangels an mechanischer Trägheit und des Potenzials quasi-elektromechanischer Oszillationen, die zu Instabilität des Systems führen können. Der Text schlägt eine kooperative adaptive Regelungsstrategie mit mehreren VSG-Systemparametern (Virtual Synchronous Generator) vor, um diese Oszillationen abzumildern. Es bietet eine detaillierte Analyse der Kleinsignalmodelle von Wechselrichtersystemen mit mehreren Maschinen und der Auswirkungen wichtiger Parameter auf die Systemstabilität. Das Kapitel präsentiert auch Simulationsergebnisse, die die Wirksamkeit der vorgeschlagenen Kontrollstrategie bei der Verbesserung der Systemdämpfung und -stabilität belegen. Darüber hinaus werden die dynamischen Kennlinien netzgekoppelter Wechselrichter und die funktionalen Beziehungen zwischen virtuellem Trägheitsmoment, virtuellem Dämpfungskoeffizienten und Winkelfrequenzabweichungen diskutiert. Die Schlussfolgerung betont die Wichtigkeit der Berücksichtigung von Multi-Parameter-Kopplung und parallelen VSG-Trägheitssystemen zur Verbesserung der Systemstabilität.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

16. A Power-Enhanced Virtual Power System Stabilizer for Low-Frequency Oscillation Suppression

    Haixin Wang, Zelin Liu, Shengyang Lu, Xu Yang, Chaohong Zeng, Qingshan Liu, Jia Liu, Junyou Yang

    Dieses Kapitel vertieft das kritische Problem niederfrequenter Oszillationen (LFO) in Energiesystemen, insbesondere in solchen mit hoher Integration erneuerbarer Energien. Darin werden die Herausforderungen durch Flüssiggas untersucht, die zu Instabilität von Frequenzen und Spannungen, Schäden an Geräten und sogar zu großflächigen Stromausfällen führen können. Der Text stellt den Virtuellen Synchrongenerator (VSG) als Lösung zur Verbesserung der Frequenzstabilität und zum Ausgleich von Lastschwankungen vor. Es unterstreicht jedoch die Grenzen traditioneller Regulierungsmethoden, wenn es darum geht, LFO in komplexen, großflächigen Stromversorgungssystemen zu bekämpfen. In diesem Kapitel wird der Virtual Power System Stabilizer (VPSS2B) als neuartige Stabilitätskontrolle vorgeschlagen. VPSS2B verwendet einen Dual-Input-Mechanismus und eine "Verstärkungsphasenkompensation", um Dämpfungseffekte zu verbessern und die Systemstabilität zu erhöhen. Der Text enthält eine detaillierte Analyse des Verbundsystems VSG-SG, einschließlich seiner dynamischen Modelle und Kontrollstrategien. Außerdem werden das Phillips-Heffron-Modell zur Oszillationsunterdrückungsanalyse und das Design der Transferfunktion des VPSS2B vorgestellt. Simulationsergebnisse zeigen die Effektivität von VPSS2B bei der Reduzierung von LFO, der Verbesserung der Systemdämpfung und der Beschleunigung der Stabilitätserholung. Das Kapitel schließt mit der Diskussion der umfassenderen Implikationen dieser Strategie für die Gewährleistung der Netzsicherheit und des stabilen Betriebs moderner Energiesysteme mit hoher Durchdringung durch erneuerbare Energien.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

17. A Spatiotemporal Optimal Scheduling Model for Orderly Charging of Electric Vehicles Based on Nodal Electricity Price

    Yezhen Zhang, Haoqian Cui, Xiayu Liu, Xinyi Lu, Guiqing Ma, Haoyan Gao, Haixin Wang, Junyou Yang

    Dieses Kapitel stellt ein räumlich und zeitlich optimales Planungsmodell für das ordnungsgemäße Laden von Elektrofahrzeugen (EVs) auf Basis des Knotenstrompreises vor. Das Modell adressiert die Herausforderungen, die durch die rasche Integration von Elektrofahrzeugen in städtische Energiesysteme entstehen, wie Lastkurvenschwankungen, Spannungsabweichungen und die unzureichende Nutzung neuer Energieressourcen. Die Studie verwendet einen mehrfachen Grenzverteilungsansatz, um Ladelasten für Elektrofahrzeuge zu modellieren. Dabei werden Elektrofahrzeuge in private Autos, Taxis und Busse eingeteilt und deren Ladeverhalten anhand von Fahreigenschaften analysiert. Das Berechnungsmodell des Stromflusses verwendet die Newton-Raphson-Methode, um die Stromflüsse des Knotenpunktes präzise zu analysieren, während das Knotenstrompreismodell sowohl zeitliche als auch räumliche Dimensionen berücksichtigt, um die Preise auf Grundlage von Spannungsabweichungen dynamisch anzupassen. Das ordnungsgemäße Ladeplanungsmodell minimiert Netzverluste und Gesamtbetriebskosten, indem es mehrere Kostenelemente integriert, darunter Stromausfallkosten, Ladekosten für Elektrofahrzeuge, Entsorgungskosten, Kosten für die Überlastung von Knoten und Kosten für die Senkung der Kosten für erneuerbare Energien. Simulationsergebnisse zeigen die Effektivität des Modells bei der Verringerung von Peak-Valley-Unterschieden, der Optimierung der Knotenspannungsverteilung und der Senkung der Gesamtbetriebskosten. Die Studie kommt zu dem Schluss, dass das vorgeschlagene Modell die Reaktionsfähigkeit und Planungsflexibilität der Nutzer von Elektrofahrzeugen verbessert und es zu einem praktischen und wertvollen Werkzeug für den sicheren und wirtschaftlichen Betrieb von Stromnetzen macht.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen

18. Optimizing Distributed PV Integration in Distribution Networks for Voltage Deviation Minimization

    Guanfeng Zhang, Ping Li, Xuke Cheng, Junjie Sun, Shaohua Jin

    Dieses Kapitel befasst sich mit dem raschen Wachstum der dezentralen Photovoltaik (PV) und ihren Auswirkungen auf die Verteilungsnetze. Er beleuchtet die Herausforderungen, die durch die Intermittenz und Zufälligkeit der PV-Erzeugung entstehen, die zu Spannungsabweichungen und Systeminstabilität führen können. Die Studie nutzt das IEEE 33-Knoten-Verteilungssystem als Modell, um optimale PV-Allokationsstrategien zu untersuchen. Es wird ein Optimierungsmodell mit mehreren Zielen entwickelt, das sich auf die Minimierung von Spannungsabweichungen, die Verringerung von Systemverlusten und die Verbesserung der Spannungsstabilität konzentriert. Die Forschung schlägt einen intelligenten hybriden Optimierungsalgorithmus vor, der die Stärken genetischer Algorithmen, Teilchenschwarm-Optimierung und nicht-dominierter Sortieralgorithmen kombiniert. Simulationsergebnisse über vier verschiedene PV-Penetrationsszenarien zeigen signifikante Verbesserungen bei der Reduzierung von Spannungsabweichungen, der Verringerung von Netzverlusten und der Verbesserung der Spannungsstabilität. Die Studie führt außerdem umfassende Sensitivitätsanalysen und dynamische Betriebseigenschaften durch und validiert die Wirksamkeit der vorgeschlagenen Methode unter verschiedenen Bedingungen. Die daraus gezogenen Schlussfolgerungen liefern wertvolle Erkenntnisse für die ingenieurwissenschaftliche Praxis und zukünftige Forschungsrichtungen im Bereich der dezentralen Photovoltaik-Integration.

    KI-Generiert

    Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

    Originaltext anzeigen