Modellierung und Optimierung von erneuerbaren und nicht-erneuerbaren Energien

In dieser Studie wird ein hybrides Optimierungsverfahren auf der Grundlage des Genetischen Algorithmus - Constriction Coefficient Particle Swarm Optimization (GA-CCPSO) für die optimale Gestaltung eines netzunabhängigen HPS verwendet, das aus EE-Komponenten wie Photovoltaik, Windturbinengenerator, Dieselgenerator und Batteriespeicher (PV-WTG-DG-BS) besteht. Die vorgeschlagenen Optimierungsziele sind die Minimierung der Lebenszykluskosten des Systems und der gesamten Umweltbelastung. Die Wahl der Hybridisierung zweier intelligenter Optimierungsverfahren besteht darin, die Schwächen des einen mit dem anderen zu überwinden. Studien haben gezeigt, dass die Hybridisierung von zwei intelligenten Optimierungstechniken zur Lösung eines Optimierungsproblems nicht nur die Qualität der erzielten Lösung verbessert, sondern auch die Konvergenzgeschwindigkeit des Optimierungsprozesses (Anand und Suganthi, 2017). Das vorgeschlagene HPS-Modell kann, wenn es entwickelt ist, als vorübergehende oder langfristige Lösung für die Elektrifizierung ländlicher Gebiete zu minimalen Kosten und maximaler Effizienz verwendet werden.