심층 신경망 기반 제어기를 이용한 재생 가능 기반 마이크로그리드의 부하 주파수 제어

• 전기 generation을 위한 화석 연료 의존은 자원 고갈과 상당한 환경 영향을 초래하여 지속 가능한 에너지 솔루션으로 전환을 촉진하고 있습니다. • 상호 연결된 분산 에너지 자원으로 구성된 마이크로그리드는 독립적으로 또는 주 전력망과 함께 운영될 수 있어 운영 유연성을 제공하고 에너지 신뢰성을 향상시킬 수 있습니다. • LFC는 생성과 부하 수요를 균형을 맞추고 주파수를 조정하여 전력 시스템의 안정성을 유지하는 데 중요하며, 특히 복잡한 상호 연결 설정에서 그러합니다. • 비례-적분-미분(PID) 제어기는 단순성과 효율성 덕분에 일반적으로 선호되지만, 재생 가능 에너지 자원(RES)과 관련된 불확실성을 해결하기 위해 고급 제어 전략이 연구되고 있습니다. • 퍼지 논리 제어기(FLC)와 인공 신경망(ANN)과 같은 혁신적인 제어 방법이 현대 전력 시스템에서 시스템 안정성과 반응성을 향상시킬 수 있는 적응성과 잠재력에 대해 평가되고 있습니다. 마이크로그리드(MG)는 많은 기술적, 경제적, 환경적 이점을 제공하지만, 예측할 수 없는 재생 에너지 원성과 전기차(EV) 통합으로 인한 변동 부하로 인해 높은 주파수 편차로 인한 도전에 직면해 있습니다. 이러한 문제를 해결하고 시스템 안정성과 효율적인 부하 주파수 제어(LFC)를 유지하기 위해 수많은 방법, 알고리즘 및 제어기가 개발되었습니다. 본 논문에서는 입자 군집 최적화 - 심층 인공 신경망(PSO-DNN)을 사용하여 차량-망 상호작용이 있는 마이크로그리드(MG)에서 부하 주파수 모델을 최적화하는 새로운 제어 전략을 소개합니다. 제안된 제어기의 성능은 동적인 EV 충전 및 방전, 재생 에너지 통합, 변동 생성 등 전통적인 기술과 비교하여 평가됩니다. PSO-PID 제어기를 사용하여 제안된 PSO-DNN 제어기가 99.308% 효율성을 달성하였으며, 최소한의 평균 제곱 오차와 총 시각적 오류가 감소되었습니다. 18.5626초의 과도 시간을 달성하여 빠른 응답, 정확한 제어 및 작은 언더슈트와 오버슈트로 빠른 피크 출력을 보여줍니다. 이 안정성 분석은 PSO-DNN 제어기가 PID 및 퍼지 제어기와 비교할 때 불확실성과 방해 속에서도 마이크로그리드의 LFC 시스템에서 효과적으로 안정성을 보장한다는 것을 확인합니다. 이러한 접근 방식은 내구성을 강화하고 안정화 시간을 줄이며 신뢰할 수 있는 주파수 제어를 보장하여 안정적이고 효율적인 마이크로그리드 운영을 유지하는 데 효과성을 검증합니다.