Fortgeschrittene Technologien für die Optimierung von Stromnetzen durch das Internet der Dinge (IoT) und künstliche Intelligenz (KI)

In dieser Arbeit wird eine Methode zur Optimierung der Leistung von Energiesystemen mithilfe des Internets der Dinge und kstlicher Intelligenz vorgestellt. Die Methode erkennt automatisch Spannungseinbrhe. Die Fehlerkorrektur erfolgt automatisch in Echtzeit durch Neukonfiguration und automatische Neukombination von Schaltern im gesamten System. Diese Technik bietet eine einfache M鐷lichkeit zur 鈁erwachung von Stromnetzen mithilfe von SCADA-Ger酹en. Es werden Algorithmen zur adaptiven Partikelschwarmoptimierung (APSO) vorgeschlagen, um Leistungsverluste und Spannungseinbrhe (PLVD) im radialen Verteilungssystem (RDS) zu bewerten. Der IEEE 33-Bus-Standardtest wird zur Untersuchung der Netzqualit酹 des vorgeschlagenen Systems verwendet. Anhand der Reduzierung der Verlustleistung und des Spannungsindexes werden drei geeignete Standorte f die Einspeisung von verteilten Photovoltaikquellen (PDS) ermittelt. Das System behebt Fehler wie Leistungsfaktorabweichungen (PFD) oder Teilabschattungen von Solarzellen, indem es die radialen 33-Bus-Netzzweige rekonfiguriert und automatisch wieder zusammenfrt. Eine adaptive Partikelschwarmoptimierung (APSO) hat eine Verbesserung des Leistungsprofils erm鐷licht und die Zuverl酲sigkeit der vorgeschlagenen Methode bewiesen.