ELECTRIMACS 2022

Inhaltsverzeichnis

1. Optimisation in Complex Electrical Systems

   1. Frontmatter

   2. User Experience Inquiry to Specify COFFEE: A Collaborative Open Framework For Energy Engineering

      Sacha Hodencq, Fabrice Forest, Théo Carrano, Benoit Delinchant, Frédéric Wurtz

      Das Kapitel geht den Herausforderungen und Chancen der Energiewende nach und betont die Bedeutung offener Energiemodelle. Es stellt COFFEE vor, eine kollaborative Plattform, die darauf abzielt, die Energieforschung verschiedenen Interessengruppen zugänglich zu machen. Das Design der Plattform wird durch eine Umfrage zur Nutzererfahrung bestimmt, die zu 12 Empfehlungen zur Verbesserung ihrer Benutzerfreundlichkeit und Effektivität führt. In diesem Kapitel werden auch die Umsetzungsstrategie und die Zukunftsperspektiven von COFFEE diskutiert, wobei das Potenzial von COFFEE zur Förderung von Innovation und tugendhaftem Energieverhalten hervorgehoben wird.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   3. Optimal Sizing of Tramway Electrical Infrastructures Using Genetic Algorithms

      Anass Boukir, Vincent Reinbold, Florence Ossart, Jean Bigeon, Paul-Louis Levy

      Das Kapitel "Optimale Dimensionierung elektrischer Infrastrukturen für Straßenbahnen unter Verwendung genetischer Algorithmen" geht der entscheidenden Herausforderung der Dimensionierung elektrischer Infrastruktur für Straßenbahnen nach. Zunächst wird die ökologische und wirtschaftliche Bedeutung der Elektrifizierung des öffentlichen Nahverkehrs in den Städten hervorgehoben. Der gegenwärtige manuelle Ansatz zur Größenbestimmung elektrischer Infrastruktur, der Versuch und Irrtum und umfangreiche Simulationen umfasst, ist ineffizient und führt häufig zu überdimensionierten Infrastrukturen. In diesem Kapitel wird eine neue Methode vorgestellt, die genetische Algorithmen zur Optimierung des Größenprozesses verwendet und dabei sowohl die Gesamtkosten als auch die Spannungssicherheitsmargen berücksichtigt. Das untersuchte System umfasst Umspannwerke, Oberleitungen, Schienen und Züge, wobei ein detailliertes elektrisches Modell mit einem selbst entwickelten Werkzeug simuliert wird. Das Optimierungsproblem wird als zweiobjektive Funktion formuliert, die Investitionen und Energiekosten mit der Qualität der Stromversorgung in Einklang bringt. Das Kapitel schließt mit einem Testfall, der die Wirksamkeit der vorgeschlagenen Methode demonstriert und einen signifikanten Fortschritt gegenüber bestehenden linearen Leistungsflussmodellen bietet.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   4. A Comparative Study of Existing Approaches for Modeling the Incident Irradiance on Bifacial Panels

      Soufiane Ghafiri, Maxime Darnon, Arnaud Davigny, João Pedro F.Trovão, Dhaker Abbes

      In diesem Kapitel werden die Vorteile bifazieller Sonnenkollektoren untersucht, die sowohl die Einstrahlung von vorne als auch von hinten erfassen und die Energieausbeute potenziell um bis zu 30% steigern. Es untersucht die wichtigsten Parameter, die die Leistung bifazieller Module beeinflussen, wie den Faktor der Bifazialität und den Gewinn der Bifazialität. Die Studie vergleicht drei hochentwickelte Modellierungswerkzeuge - Bifacial _ radiance, Sandia View Factor Model und Pvfactors - mit jeweils einzigartigen Methoden zur Schätzung der Strahlungsstärke von vorne und hinten. Das Kapitel schließt mit einem detaillierten Vergleich dieser Werkzeuge, der ihre Genauigkeit und Recheneffizienz hervorhebt, und empfiehlt Pvfactors für die Vorhersage der Produktion in Echtzeit. Diese Vergleichsstudie bietet wertvolle Einblicke in die Optimierung der Leistung von bifazialen Solarmodulen und ist daher ein Muss für Fachleute, die Solarenergiesysteme verbessern wollen.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   5. Self-Adaptive Construction Algorithm of a Surrogate Model for an Electric Powertrain Optimization

      Marvin Chauwin, Hamid Ben Ahmed, Melaine Desvaux, Damien Birolleau

      In diesem Kapitel wird ein selbstanpassender Algorithmus für den Bau von Ersatzmodellen zur Optimierung elektrischer Antriebssysteme vorgestellt. Sie befasst sich mit der Komplexität multiphysikalischer Modellierung, die mechanische, elektromagnetische und thermische Prinzipien umfasst. Der Algorithmus zielt darauf ab, die Rechenzeit zu reduzieren, indem er Kriging zur genauen Schätzung der Modellausgaben einsetzt. Die Methode umfasst die Erstellung eines Probenahmeplans, die Berechnung des Modells auf jeder Probe und die Optimierung der Parameter des Ersatzmodells. Das Kapitel behandelt auch die Effizienz von Kriging und die Verwendung von lateinischem HyperCube zur effektiven Verteilung der Proben. Anreicherungstechniken, sowohl OFF-Line als auch ON-Line, werden erforscht, um die Genauigkeit der Ersatzmodelle zu verbessern. Die sub-lateinische HyperCube-Methode wird als Werkzeug hervorgehoben, um neue Proben effizient hinzuzufügen, wodurch sich der Zeitaufwand zur Erreichung der gewünschten Genauigkeit verringert. Das Kapitel schließt mit der Betonung des Potenzials dieser Werkzeuge zur Erstellung von Hochgeschwindigkeits-Computing-Surrogatmodellen, obwohl weitere Verbesserungen der lokalen Genauigkeit erforderlich sein könnten.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   6. Optimization of Neural Network-Based Load Forecasting by Means of Whale Optimization Algorithm

      Pooya Valinataj Bahnemiri, Francesco Grimaccia, Sonia Leva, Marco Mussetta

      Dieses Kapitel befasst sich mit der Optimierung neuronaler netzwerkbasierter Lastvorhersagen, insbesondere mit dem Einsatz des Whale Optimization Algorithmus zur Leistungssteigerung von Echo State Networks. Das Echo State Network, eine Art rekursives neuronales Netzwerk, wird als leistungsstarkes Werkzeug für den Umgang mit Zeitreihendaten in Stromversorgungssystemen eingeführt. Der Whale Optimization Algorithm, inspiriert vom Jagdverhalten der Buckelwale, wird eingesetzt, um die Netzwerkparameter zu verfeinern, was zu einer verbesserten Vorhersagegenauigkeit führt. Das Kapitel beleuchtet die Vorteile dieses Ansatzes gegenüber herkömmlichen Methoden und anderen computergestützten Intelligenztechniken und bietet einen umfassenden Überblick über die Implementierung und den Nutzen dieser innovativen Lösung für die kurzfristige Lastvorhersage.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

2. Modelling and Simulation of Electrical Machines and Electromagnetic Devices

   1. Frontmatter

   2. Estimation of Steady-State Torque of Line Start Permanent Magnet Synchronous Motor Using Reluctance Network Approach

      Hamza Farooq, Nicolas Bracikowski, Patricio La Delfa, Michel Hecquet

      Das Kapitel befasst sich mit der Abschätzung des stationären Drehmoments in Linienstart-Permanent-Magnet-Synchronmotoren (LSPMSMs) mittels eines Reluctance Network Approach (RNA). Sie unterstreicht die bedeutende Rolle der Luftspaltwasserdichte, die von Permanentmagneten beeinflusst wird, bei der Bestimmung der Drehmomentcharakteristik. Die Studie stellt ein neuartiges RNA-Modell vor, das bemerkenswerte Rotorleckflusskomponenten wie Flussbarrieren, Brücken und Stäbe berücksichtigt und lineare und nichtlineare Ansätze vergleicht. Die vorgeschlagene Methode ermöglicht eine schnelle parametrische Analyse und Optimierung und ist daher ein wertvolles Werkzeug für Motorenkonstrukteure. Das Kapitel präsentiert auch einen detaillierten Vergleich mit Simulationen der Finite Element Method (FEM), der die Genauigkeit des RNA-Modells bestätigt. Die Ergebnisse bieten Einblicke in die frühen Entwicklungsstadien von LSPMSMs, die die Identifizierung von Rotorleckströmen und die Optimierung der Motorleistung ermöglichen.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen

   3. An Overview of High-Speed Axial Flux Permanent Magnets Synchronous Machines

      Hoda Taha, Georges Barakat, Yacine Amara, Mazen Ghandour

      Das Kapitel befasst sich mit den Fortschritten und Herausforderungen von Permanentmagnet-Hochgeschwindigkeits-Synchronmaschinen, wobei ihre überlegene Leistungsdichte und Effizienz im Vergleich zu Maschinen mit niedriger Drehzahl hervorgehoben wird. Es werden verschiedene Maschinentopologien, mechanische Belastungen und Hochgeschwindigkeitsverluste untersucht und gleichzeitig geeignete Materialien und innovative Konstruktionslösungen diskutiert. Das Kapitel beleuchtet die wachsenden Anwendungen dieser Maschinen in Branchen, die hohe Präzision und Zuverlässigkeit erfordern, wie Luft- und Raumfahrt, Automobil und Energiespeicher. Abschließend wird die Notwendigkeit eines multidisziplinären Ansatzes betont, um die Leistung dieser Maschinen zu optimieren.

      KI-Generiert

      Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

      Originaltext anzeigen