Impact et techniques d'intégration des sources d'énergie renouvelable dans les opérations des réseaux intelligents : Une revue systématique

Les réseaux intelligents améliorent l'efficacité des systèmes électriques, en particulier lors de l'intégration des systèmes d'énergie renouvelable (ER). L'utilisation d'électricité provenant des RES réduit les émissions nocives de gaz à effet de serre, offre une diversité dans le mix de production et réduit la dépendance excessive aux combustibles fossiles. Divers défis sont rencontrés lors de l'intégration et de l'utilisation de tels systèmes. Des études récentes ont proposé diverses techniques pour relever ces défis, cependant, il y a un manque de recherche sur les techniques actuelles adaptées à l'intégration des développements récents sur les ER et les réseaux intelligents. Cet article examine et synthétise les impacts, les techniques d'intégration et les considérations de scalabilité associées aux systèmes d'ER dans les applications de réseaux intelligents en utilisant une analyse mixte. Dans une revue systématique de la littérature (RSL), 101 articles ont été récupérés et analysés. Ces articles ont largement catégorisé les impacts sous la stabilité et le contrôle du réseau, les défis d'infrastructure du réseau, le stockage et la gestion de l'énergie, et l'intégration des sources d'énergie intermittentes. L'étude explore également diverses techniques utilisées pour intégrer les ER dans les réseaux intelligents, y compris des systèmes avancés de contrôle et de protection, des systèmes de stockage et de gestion d'énergie intelligents, des mises à niveau de l'infrastructure du réseau, et le développement de modèles prédictifs. Les résultats soulignent les complexités et les défis, tels que les problèmes de stabilité du réseau et l'intermittence de la production d'énergie renouvelable. Pour relever ces défis, la recherche souligne l'importance de développer des modèles d'optimisation hybrides pour améliorer la planification des charges, l'atténuation des pics et la réduction des coûts. L'étude recommande également une évaluation et des tests supplémentaires de l'apprentissage profond par renforcement quantique, des réseaux neuronaux, des modèles ARIMA (moyenne mobile intégrée autorégressive) et des systèmes d'inférence floue adaptatifs pour améliorer la fiabilité, l'efficacité et la durabilité de l'intégration de l'énergie renouvelable (ER) dans les réseaux intelligents.