• Energy Research

À l'échelle mondiale, l'énergie éolienne connaît une croissance rapide et a reçu une attention considérable pour répondre aux besoins énergétiques mondiaux. Une prévision précise de l'énergie éolienne est cruciale pour assurer un fonctionnement stable et fiable du réseau électrique. Cependant, l'imprévisibilité et les caractéristiques stochastiques de l'énergie éolienne affectent négativement la planification et le fonctionnement du réseau. Pour répondre à ces préoccupations, une quantité substantielle de recherches a été menée pour introduire une approche efficace de prévision de l'énergie éolienne. Les approches d'intelligence artificielle (IA) ont démontré une haute précision, de meilleures performances de généralisation et une capacité d'apprentissage améliorée, elles peuvent donc être idéales pour gérer l'énergie éolienne instable, inflexible et intermittente. Récemment, les approches hybrides basées sur l'IA sont devenues populaires en raison de leur haute précision, de leur forte adaptabilité et de leurs performances améliorées. Ainsi, l'objectif de ce document de synthèse est de présenter les progrès récents des approches hybrides basées sur l'IA pour la prévision de l'énergie éolienne en mettant l'accent sur la classification, la structure, la force, la faiblesse et l'analyse des performances. De plus, cette revue explore les divers facteurs influents dans la mise en œuvre de la prévision de l'énergie éolienne hybride basée sur l'IA, y compris le prétraitement des données, la sélection des caractéristiques, l'ajustement des hyperparamètres, l'algorithme de formation, les fonctions d'activation et le processus d'évaluation. En outre, divers problèmes, défis et difficultés clés sont discutés pour identifier les limitations existantes et les lacunes de la recherche. Enfin, l'examen fournit quelques propositions futures sélectives qui seraient utiles aux industriels et aux chercheurs pour développer une approche hybride avancée basée sur l'IA pour des prévisions précises de l'énergie éolienne vers un fonctionnement durable du réseau. A nivel mundial, la energía eólica está creciendo rápidamente y ha recibido una gran consideración para cumplir con los requisitos energéticos mundiales. Una previsión precisa de la energía eólica es crucial para lograr un funcionamiento estable y fiable de la red eléctrica. Sin embargo, la imprevisibilidad y las características estocásticas de la energía eólica afectan negativamente a la planificación y operación de la red. Para abordar estas preocupaciones, se ha llevado a cabo una cantidad sustancial de investigación para introducir un enfoque eficiente de pronóstico de energía eólica. Los enfoques de Inteligencia Artificial (IA) han demostrado una alta precisión, un mejor rendimiento de generalización y una mejor capacidad de aprendizaje, por lo que pueden ser ideales para manejar energía eólica inestable, inflexible e intermitente. Recientemente, los enfoques híbridos basados en IA se han vuelto populares debido a su alta precisión, fuerte adaptabilidad y rendimiento mejorado. Por lo tanto, el objetivo de este documento de revisión es presentar el progreso reciente de los enfoques híbridos habilitados por IA para el pronóstico de la energía eólica, haciendo hincapié en la clasificación, la estructura, la fortaleza, la debilidad y el análisis del rendimiento. Además, esta revisión explora los diversos factores influyentes hacia las implementaciones de la previsión de energía eólica híbrida basada en IA, incluido el preprocesamiento de datos, la selección de características, el ajuste de hiperparámetros, el algoritmo de entrenamiento, las funciones de activación y el proceso de evaluación. Además, se discuten varios temas clave, desafíos y dificultades para identificar las limitaciones existentes y las brechas de investigación. Finalmente, la revisión ofrece algunas propuestas futuras selectivas que serían valiosas para que los industriales e investigadores desarrollen un enfoque híbrido avanzado basado en IA para pronosticar con precisión la energía eólica hacia la operación sostenible de la red. Globally, wind energy is growing rapidly and has received huge consideration to fulfill global energy requirements. An accurate wind power forecasting is crucial to achieve a stable and reliable operation of the power grid. However, the unpredictability and stochastic characteristics of wind power affect the grid planning and operation adversely. To address these concerns, a substantial amount of research has been carried out to introduce an efficient wind power forecasting approach. Artificial Intelligence (AI) approaches have demonstrated high precision, better generalization performance and improved learning capability, thus can be ideal to handle unstable, inflexible and intermittent wind power. Recently, AI-based hybrid approaches have become popular due to their high precision, strong adaptability and improved performance. Thus, the goal of this review paper is to present the recent progress of AI-enabled hybrid approaches for wind power forecasting emphasizing classification, structure, strength, weakness and performance analysis. Moreover, this review explores the various influential factors toward the implementations of AI-based hybrid wind power forecasting including data preprocessing, feature selection, hyperparameters adjustment, training algorithm, activation functions and evaluation process. Besides, various key issues, challenges and difficulties are discussed to identify the existing limitations and research gaps. Finally, the review delivers a few selective future proposals that would be valuable to the industrialists and researchers to develop an advanced AI-based hybrid approach for accurate wind power forecasting toward sustainable grid operation. على الصعيد العالمي، تنمو طاقة الرياح بسرعة وحظيت باهتمام كبير لتلبية متطلبات الطاقة العالمية. يعد التنبؤ الدقيق بطاقة الرياح أمرًا بالغ الأهمية لتحقيق تشغيل مستقر وموثوق لشبكة الطاقة. ومع ذلك، فإن عدم القدرة على التنبؤ والخصائص العشوائية لطاقة الرياح تؤثر سلبًا على تخطيط الشبكة وتشغيلها. لمعالجة هذه المخاوف، تم إجراء قدر كبير من الأبحاث لإدخال نهج فعال للتنبؤ بطاقة الرياح. أظهرت مناهج الذكاء الاصطناعي (AI) دقة عالية وأداء تعميم أفضل وقدرة تعلم محسنة، وبالتالي يمكن أن تكون مثالية للتعامل مع طاقة الرياح غير المستقرة وغير المرنة والمتقطعة. في الآونة الأخيرة، أصبحت الأساليب الهجينة القائمة على الذكاء الاصطناعي شائعة بسبب دقتها العالية وقدرتها القوية على التكيف وأدائها المحسن. وبالتالي، فإن الهدف من ورقة المراجعة هذه هو تقديم التقدم الأخير للنهج الهجينة المدعومة بالذكاء الاصطناعي للتنبؤ بطاقة الرياح مع التأكيد على التصنيف والهيكل والقوة والضعف وتحليل الأداء. علاوة على ذلك، تستكشف هذه المراجعة العوامل المؤثرة المختلفة نحو تنفيذ تنبؤات طاقة الرياح الهجينة القائمة على الذكاء الاصطناعي بما في ذلك المعالجة المسبقة للبيانات، واختيار الميزات، وتعديل المعلمات الفائقة، وخوارزمية التدريب، ووظائف التنشيط، وعملية التقييم. إلى جانب ذلك، تتم مناقشة العديد من القضايا والتحديات والصعوبات الرئيسية لتحديد القيود والثغرات البحثية الحالية. أخيرًا، تقدم المراجعة بعض المقترحات المستقبلية الانتقائية التي ستكون ذات قيمة للصناعيين والباحثين لتطوير نهج هجين متقدم قائم على الذكاء الاصطناعي للتنبؤ الدقيق بطاقة الرياح نحو تشغيل الشبكة المستدامة.

The Sustainable Development Goals (SDGs) play an essential role, emphasizing responsible resource use, production, and consumption, including waste management. In addition, SDG 3, 7, 11, 12, and 13 are directly/indirectly related to waste management. This study aims to determine a suitable waste-to-energy (WtE) technology in Chittagong City, Bangladesh, focusing on cleaner technology. Anaerobic digestion, gasification, incineration, and landfill gas (LFG) recovery were considered as possible alternatives. Technical, economic, environmental, and social issues have been considered as necessary criteria for evaluation. An analytical hierarchy process was applied to rank these technologies based on stakeholders’ perceptions. The study found that anaerobic digestion (AD) ranked first, receiving 38% of overall weight. The second preferred technology is LFG (27%). Gasification and incineration stood at third and fourth, respectively (21% and 14%). According to a sensitivity study, the decision is only sensitive to the economy. LFG will become the most favoured solution for WtE conversion if the economy prioritizes more than 38%. Subsequently, this study’s findings will help achieve Bangladesh’s SDG agenda.

Electric vehicles (EVs) have received widespread attention in the automotive industry as the most promising solution for lowering CO2 emissions and mitigating worldwide environmental concerns. However, the effectiveness of EVs can be affected due to battery health degradation and performance deterioration with lifespan. Therefore, an advanced and smart battery management technology is essential for accurate state estimation, charge balancing, thermal management, and fault diagnosis in enhancing safety and reliability as well as optimizing an EV’s performance effectively. This paper presents an analytical and technical evaluation of the smart battery management system (BMS) in EVs. The analytical study is based on 110 highly influential articles using the Scopus database from the year 2010 to 2020. The analytical analysis evaluates vital indicators, including current research trends, keyword assessment, publishers, research categorization, country analysis, authorship, and collaboration. The technical assessment examines the key components and functions of BMS technology as well as state-of-the-art methods, algorithms, optimization, and control surgeries used in EVs. Furthermore, various key issues and challenges along with several essential guidelines and suggestions are delivered for future improvement. The analytical analysis can guide future researchers in enhancing the technologies of battery energy storage and management for EV applications toward achieving sustainable development goals.

Fuel cell electric vehicles (FCEVs) have received significant attention in recent times due to various advantageous features, such as high energy efficiency, zero emissions, and extended driving range. However, FCEVs have some drawbacks, including high production costs; limited hydrogen refueling infrastructure; and the complexity of converters, controllers, and method execution. To address these challenges, smart energy management involving appropriate converters, controllers, intelligent algorithms, and optimizations is essential for enhancing the effectiveness of FCEVs towards sustainable transportation. Therefore, this paper presents emerging energy management strategies for FCEVs to improve energy efficiency, system reliability, and overall performance. In this context, a comprehensive analytical assessment is conducted to examine several factors, including research trends, types of publications, citation analysis, keyword occurrences, collaborations, influential authors, and the countries conducting research in this area. Moreover, emerging energy management schemes are investigated, with a focus on intelligent algorithms, optimization techniques, and control strategies, highlighting contributions, key findings, issues, and research gaps. Furthermore, the state-of-the-art research domains of FCEVs are thoroughly discussed in order to explore various research domains, relevant outcomes, and existing challenges. Additionally, this paper addresses open issues and challenges and offers valuable future research opportunities for advancing FCEVs, emphasizing the importance of suitable algorithms, controllers, and optimization techniques to enhance their performance. The outcomes and key findings of this review will be helpful for researchers and automotive engineers in developing advanced methods, control schemes, and optimization strategies for FCEVs towards greener transportation.

Varios avances importantes en la integración del almacenamiento de energía en las microrredes han impulsado una gran cantidad de investigación y desarrollo en los últimos diez años para lograr el objetivo de descarbonización global para 2050. La integración efectiva del sistema de almacenamiento de energía en la microrred es esencial para garantizar un funcionamiento seguro, fiable y resistente. Sin embargo, la utilización del almacenamiento de energía en las microrredes plantea varios problemas, como la mala calidad de la energía y las características de intermitencia. Para abordar estas preocupaciones, se requieren controladores de almacenamiento de energía y esquemas de optimización adecuados para gestionar y optimizar la energía de manera eficiente y segura. Aunque se han realizado y publicado varios trabajos de investigación a lo largo de los años, aún no se ha llevado a cabo la evaluación analítica de los controladores de almacenamiento de energía y la integración de los esquemas de optimización en las microrredes. Por lo tanto, este documento presenta una evaluación analítica exhaustiva de los controladores de almacenamiento de energía y los esquemas de optimización en Microgrid mediante el reconocimiento y la evaluación de los 110 manuscritos altamente influyentes que utilizan la base de datos Scopus en el año 2010-2021. El análisis analítico enfatiza las tendencias actuales de la investigación, la evaluación de palabras clave, la clasificación de la investigación, el análisis de países, la autoría y la colaboración en la investigación. El documento también analiza y compara 24 controladores y 21 esquemas de optimización en los 110 manuscritos altamente citados. Además, la discusión crítica y la evaluación se llevan a cabo en 15 áreas temáticas emergentes. El análisis constructivo identifica las limitaciones existentes y las lagunas de investigación en los 110 trabajos seleccionados. Al analizar los problemas existentes, este manuscrito proporciona varias pautas y sugerencias para mejoras futuras. Esta encuesta ayudará a profundizar los conceptos de desarrollo para lograr una mejor calidad de energía, prosperidad económica, ahorro de energía y una mayor eficiencia hacia la operación y gestión sostenibles en la microrred. Plusieurs avancées importantes dans l'intégration du stockage de l'énergie dans les micro-réseaux ont alimenté de nombreuses activités de recherche et de développement au cours des dix dernières années pour atteindre l'objectif mondial de décarbonisation d'ici 2050. L'intégration efficace du système de stockage d'énergie dans le micro-réseau est essentielle pour assurer un fonctionnement sûr, fiable et résilient. Néanmoins, l'utilisation du stockage d'énergie dans les micro-réseaux soulève plusieurs problèmes, notamment la mauvaise qualité de l'énergie et les caractéristiques d'intermittence. Pour répondre à ces préoccupations, des contrôleurs de stockage d'énergie et des schémas d'optimisation appropriés sont nécessaires pour gérer et optimiser l'énergie de manière efficace et sécurisée. Bien que divers travaux de recherche aient été réalisés et publiés au fil des ans, l'évaluation analytique des contrôleurs de stockage d'énergie et des schémas d'optimisation de l'intégration dans les micro-réseaux n'a pas encore été réalisée. Ainsi, cet article présente une évaluation analytique complète des contrôleurs de stockage d'énergie et des schémas d'optimisation dans Microgrid en reconnaissant et en évaluant les 110 manuscrits très influents utilisant la base de données Scopus au cours de l'année 2010-2021. L'analyse analytique met l'accent sur les tendances actuelles de la recherche, l'évaluation des mots clés, la classification de la recherche, l'analyse par pays, la paternité et la collaboration en matière de recherche. L'article discute et compare également 24 contrôleurs et 21 schémas d'optimisation dans les 110 manuscrits très cités. En outre, une discussion et une évaluation critiques sont menées sur 15 domaines émergents. L'analyse constructive identifie les limites existantes et les lacunes de recherche dans les 110 articles sélectionnés. En analysant les problèmes existants, ce manuscrit fournit plusieurs lignes directrices et suggestions pour des améliorations futures. Cette enquête aidera à approfondir les concepts de développement pour améliorer la qualité de l'énergie, la prospérité économique, les économies d'énergie et l'efficacité accrue en vue d'une exploitation et d'une gestion durables du micro-réseau. Several important advancements in the integration of energy storage into microgrids have fueled a lot of research and development over the last ten years to achieve the global decarbonization goal by 2050. The effective integration of the energy storage system in the microgrid is essential to ensure a safe, reliable, and resilient operation. Nevertheless, the utilization of energy storage in microgrids brings several issues, including poor power quality and intermittence characteristics. To address these concerns, appropriate energy storage controllers and optimization schemes are required to manage and optimize the power efficiently and securely. Although various research works have been performed and published over the years, the analytical assessment of energy storage controllers and optimization schemes integration into microgrids has not been carried out yet. Thus, this paper presents a comprehensive analytical evaluation of energy storage controllers and optimization schemes in Microgrid by recognizing and evaluating the highly influential 110 manuscripts using the Scopus database within the year 2010-2021. The analytical analysis emphasizes the current research trends, keyword evaluation, research classification, country analysis, authorship, and research collaboration. The paper also discusses and compares 24 controllers and 21 optimization schemes in the highly cited 110 manuscripts. Besides, critical discussion and assessment are conducted over 15 emerging subject areas. The constructive analysis identifies the existing limitations and research gaps in the selected 110 papers. By analyzing the existing issues, this manuscript provides several guidelines and suggestions for future improvement. This survey will help to deepen the development concepts to achieve improved power quality, economic prosperity, energy savings, and increased efficiency towards sustainable operation and management in the microgrid. أدت العديد من التطورات المهمة في دمج تخزين الطاقة في الشبكات الدقيقة إلى تغذية الكثير من البحث والتطوير على مدى السنوات العشر الماضية لتحقيق الهدف العالمي لإزالة الكربون بحلول عام 2050. يعد التكامل الفعال لنظام تخزين الطاقة في الشبكة الدقيقة أمرًا ضروريًا لضمان التشغيل الآمن والموثوق والمرن. ومع ذلك، فإن استخدام تخزين الطاقة في الشبكات الدقيقة يجلب العديد من المشكلات، بما في ذلك ضعف جودة الطاقة وخصائص الانقطاع. لمعالجة هذه المخاوف، يلزم وجود وحدات تحكم مناسبة في تخزين الطاقة وخطط تحسين لإدارة الطاقة وتحسينها بكفاءة وأمان. على الرغم من إجراء العديد من الأعمال البحثية ونشرها على مر السنين، إلا أن التقييم التحليلي لوحدات التحكم في تخزين الطاقة ودمج خطط التحسين في الشبكات الصغيرة لم يتم تنفيذه بعد. وبالتالي، تقدم هذه الورقة تقييمًا تحليليًا شاملاً لوحدات التحكم في تخزين الطاقة وخطط التحسين في Microgrid من خلال التعرف على 110 مخطوطات ذات تأثير كبير وتقييمها باستخدام قاعدة بيانات Scopus خلال العام 2010-2021. يؤكد التحليل التحليلي على اتجاهات البحث الحالية، وتقييم الكلمات الرئيسية، وتصنيف البحث، والتحليل القطري، والتأليف، والتعاون البحثي. كما تناقش الورقة وتقارن بين 24 وحدة تحكم و 21 مخططًا للتحسين في 110 مخطوطة مستشهد بها بشدة. إلى جانب ذلك، يتم إجراء مناقشة وتقييم نقديين لأكثر من 15 مجالًا موضوعيًا ناشئًا. يحدد التحليل البنّاء القيود الحالية والثغرات البحثية في الأوراق البحثية الـ 110 المختارة. من خلال تحليل المشكلات الحالية، توفر هذه المخطوطة العديد من الإرشادات والاقتراحات للتحسين المستقبلي. سيساعد هذا المسح على تعميق مفاهيم التنمية لتحقيق تحسين جودة الطاقة والازدهار الاقتصادي وتوفير الطاقة وزيادة الكفاءة نحو التشغيل والإدارة المستدامين في الشبكة الصغيرة.

Recently, electric vehicle (EV) technology has received massive attention worldwide due to its improved performance efficiency and significant contributions to addressing carbon emission problems. In line with that, EVs could play a vital role in achieving sustainable development goals (SDGs). However, EVs face some challenges such as battery health degradation, battery management complexities, power electronics integration, and appropriate charging strategies. Therefore, further investigation is essential to select appropriate battery storage and management system, technologies, algorithms, controllers, and optimization schemes. Although numerous studies have been carried out on EV technology, the state-of-the-art technology, progress, limitations, and their impacts on achieving SDGs have not yet been examined. Hence, this review paper comprehensively and critically describes the various technological advancements of EVs, focusing on key aspects such as storage technology, battery management system, power electronics technology, charging strategies, methods, algorithms, and optimizations. Moreover, numerous open issues, challenges, and concerns are discussed to identify the existing research gaps. Furthermore, this paper develops the relationship between EVs benefits and SDGs concerning social, economic, and environmental impacts. The analysis reveals that EVs have a substantial influence on various goals of sustainable development, such as affordable and clean energy, sustainable cities and communities, industry, economic growth, and climate actions. Lastly, this review delivers fruitful and effective suggestions for future enhancement of EV technology that would be beneficial to the EV engineers and industrialists to develop efficient battery storage, charging approaches, converters, controllers, and optimizations toward targeting SDGs.

As the share of variable renewable energy sources in power systems grows, system operators have encountered several challenges, such as renewable generation curtailment, load interruption, voltage regulation problems, and frequency stability threats. This is particularly important for power systems transitioning to net zero. Energy storage systems are considered an effective solution to overcome these challenges. However, with the increasing penetration of renewable energy sources, different requirements have emerged, and a single energy storage solution may not effectively meet all of them. Hybrid energy storage systems have recently been proposed to remedy this problem. Different individual energy storage systems possess complementary characteristics that can enhance the reliability, security, and stability of power systems. However, hybrid energy storage systems often require more intricate modeling approaches and control strategies. Many researchers are currently working on hybrid energy storage systems to address these issues. This paper thoroughly reviews the modeling and control schemes of hybrid energy storage systems for different power system operation studies. It also examines the factors influencing the selection of hybrid energy storage systems for various power system applications. Finally, this paper provides recommendations for future research in this area.

Real-time battery SOX estimation including the state of charge (SOC), state of energy (SOE), and state of health (SOH) is the crucial evaluation indicator to assess the performance of automotive battery management systems (BMSs). Recently, intelligent models in terms of deep learning (DL) have received massive attention in electric vehicle (EV) BMS applications due to their improved generalization performance and strong computation capability to work under different conditions. However, estimation of accurate and robust SOC, SOH, and SOE in real-time is challenging since they are internal battery parameters and depend on the battery’s materials, chemical reactions, and aging as well as environmental temperature settings. Therefore, the goal of this review is to present a comprehensive explanation of various DL approaches for battery SOX estimation, highlighting features, configurations, datasets, battery chemistries, targets, results, and contributions. Various DL methods are critically discussed, outlining advantages, disadvantages, and research gaps. In addition, various open challenges, issues, and concerns are investigated to identify existing concerns, limitations, and challenges. Finally, future suggestions and guidelines are delivered toward accurate and robust SOX estimation for sustainable operation and management in EV operation.