• Energy Research

En el pasado reciente, para satisfacer la creciente demanda energética de electricidad, la integración de recursos energéticos renovables (RES) en una red eléctrica es un centro de atención. Además, la integración óptima de estas RES hace que esta tarea sea más desafiante debido a su naturaleza intermitente. Por lo tanto, en el presente estudio, el problema del flujo de energía se trata como un problema de flujo de energía óptimo multiobjetivo y multiobjetivo (MOOPF) junto con la integración óptima de las RES. Si bien, los objetivos de MOOPF son triples: costo general de generación, pérdida real de energía del sistema y reducción de emisiones de carbono de fuentes térmicas. En este trabajo, se presenta una técnica computacionalmente eficiente para encontrar los valores más factibles de diferentes variables de control del sistema de energía que tienen RES distribuidas. Por lo tanto, la satisfacción de la restricción se logra mediante el uso de un enfoque de función de penalización (PFA) y para desarrollar aún más el verdadero frente de Pareto (PF), el método de dominancia de Pareto se utiliza para categorizar la solución dominante de Pareto. Además, para tratar la naturaleza intermitente de RES, la función de densidad de probabilidad (PDF) y los modelos de potencia estocástica de RES se utilizan para calcular la potencia disponible de RES. Dado que, los objetivos del problema MOOPF son de naturaleza conflictiva, después de tener el conjunto de soluciones no dominantes, se ha utilizado el enfoque de la función de membresía difusa (FMF) para extraer la mejor solución de compromiso (BCS). Para probar la validez de la técnica desarrollada, el sistema de bus IEEE-30 se ha modificado con la integración de RES y el problema de optimización final se resuelve utilizando el algoritmo de optimización de enjambre de partículas (PSO). Los resultados de la simulación muestran el logro de la técnica propuesta que gestiona el valor del costo del combustible a largo plazo con los valores óptimos de otros objetivos. De plus, l'intégration optimale de ces sources d'énergie rend cette tâche plus difficile en raison de leur nature intermittente. Par conséquent, dans la présente étude, le problème du flux d'énergie est traité comme un problème de flux d'énergie optimal multi-contrainte et multi-objectif (MOOPF) avec une intégration optimale des sources d'énergie. Par conséquent, les objectifs du MOOPF sont triples : coût de production global, perte d'énergie réelle du système et réduction des émissions de carbone de sources thermiques.Dans ce travail, une technique efficace sur le plan informatique est présentée pour trouver les valeurs les plus réalisables de différentes variables de contrôle du système d'alimentation ayant des sources d'énergie renouvelables distribuées. Par conséquent, la satisfaction des contraintes est obtenue en utilisant l'approche de la fonction de pénalité (PFA) et pour développer davantage le vrai front de Pareto (PF), la méthode de dominance de Pareto est utilisée pour catégoriser la solution de dominance de Pareto. De plus, pour traiter la nature intermittente des sources d'énergie renouvelables, la fonction de densité de probabilité (PDF) et les modèles de puissance stochastique des sources d'énergie renouvelables sont utilisés pour calculer la puissance disponible à partir des sources d'énergie renouvelables. Depuis, les objectifs du problème MOOPF sont de nature conflictuelle, après avoir utilisé l'approche de la fonction d'appartenance floue (FMF) de l'ensemble de solutions non dominantes pour extraire la meilleure solution de compromis (BCS). Pour tester la validité de la technique développée, le système de bus IEEE-30 a été modifié avec intégration de res et le problème d'optimisation finale est résolu en utilisant l'algorithme d'optimisation d'essaim de particules (PSO). Les résultats de la simulation montrent la réalisation de la technique proposée en gérant la valeur du coût du carburant longtemps avec les valeurs optimales d'autres objectifs. In recent past, to meet the growing energy demand of electricity, integration of renewable energy resources (RESs) in an electrical network is a center of attention.Furthermore, optimal integration of these RESs make this task more challenging because of their intermittent nature.Therefore, in the present study power flow problem is treated as a multi-constraint, multi-objective optimal power flow (MOOPF) problem along with optimal integration of RESs.Whereas, the objectives of MOOPF are threefold: overall generation cost, real power loss of system and carbon emission reduction of thermal sources.In this work, a computationally efficient technique is presented to find the most feasible values of different control variables of the power system having distributed RESs.Whereas, the constraint satisfaction is achieved by using penalty function approach (PFA) and to further develop true Pareto front (PF), Pareto dominance method is used to categorize Pareto dominate solution.Moreover, to deal with intermittent nature of RES, probability density function (PDF) and stochastic power models of RES are used to calculate available power from RESs.Since, objectives of the MOOPF problem are conflicting in nature, after having the set of non-dominating solutions fuzzy membership function (FMF) approach has been used to extract the best compromise solution (BCS).To test the validity of developed technique, the IEEE-30 bus system has been modified with integration of RESs and final optimization problem is solved by using particle swarm optimization (PSO) algorithm.Simulation results show the achievement of proposed technique managing fuel cost value long with the optimal values of other objectives. في الماضي القريب، لتلبية الطلب المتزايد على الطاقة الكهربائية، يعد دمج موارد الطاقة المتجددة (RESs) في شبكة كهربائية مركزًا للاهتمام. علاوة على ذلك، فإن التكامل الأمثل لهذه الموارد يجعل هذه المهمة أكثر صعوبة بسبب طبيعتها المتقطعة. لذلك، في هذه الدراسة، يتم التعامل مع مشكلة تدفق الطاقة على أنها مشكلة تدفق طاقة مثلى متعددة القيود ومتعددة الأهداف (MOOPF) جنبًا إلى جنب مع التكامل الأمثل لـ RESs. في حين أن أهداف MOOPF ثلاثية الجوانب: تكلفة التوليد الإجمالية، وفقدان الطاقة الحقيقي للنظام وتقليل انبعاثات الكربون من المصادر الحرارية. في هذا العمل، يتم تقديم تقنية فعالة حسابيًا للعثور على القيم الأكثر جدوى لمتغيرات التحكم المختلفة لنظام الطاقة الذي قام بتوزيع RES. في حين يتم تحقيق الرضا عن القيد باستخدام نهج دالة العقوبة (PFA) ولمواصلة تطوير جبهة باريتو الحقيقية (PF)، يتم استخدام طريقة هيمنة باريتو لتصنيف حل باريتو المسيطر. علاوة على ذلك، للتعامل مع الطبيعة المتقطعة لـ RES، يتم استخدام دالة الكثافة الاحتمالية (PDF) ونماذج الطاقة العشوائية لـ RES لحساب الطاقة المتاحة من RESs. منذ ذلك الحين، أهداف مشكلة MOOPF هي متضاربة في طبيعتها، بعد استخدام مجموعة من الحلول غير المهيمنة تم استخدام نهج وظيفة العضوية الغامضة (FMF) لاستخراج أفضل حل وسط (BCS). لاختبار صحة التقنية المطورة، تم تعديل نظام ناقل IEEE -30 مع دمج RESs ويتم حل مشكلة التحسين النهائي باستخدام خوارزمية تحسين سرب الجسيمات (PSO). تظهر نتائج المحاكاة تحقيق التقنية المقترحة لإدارة قيمة تكلفة الوقود لفترة طويلة مع القيم المثلى للأهداف الأخرى.

En el pasado reciente, para satisfacer la creciente demanda energética de electricidad, la integración de recursos energéticos renovables (RES) en una red eléctrica es un centro de atención. Además, la integración óptima de estas RES hace que esta tarea sea más desafiante debido a su naturaleza intermitente. Por lo tanto, en el presente estudio, el problema del flujo de energía se trata como un problema de flujo de energía óptimo multiobjetivo y multiobjetivo (MOOPF) junto con la integración óptima de las RES. Si bien, los objetivos de MOOPF son triples: costo general de generación, pérdida real de energía del sistema y reducción de emisiones de carbono de fuentes térmicas. En este trabajo, se presenta una técnica computacionalmente eficiente para encontrar los valores más factibles de diferentes variables de control del sistema de energía que tienen RES distribuidas. Por lo tanto, la satisfacción de la restricción se logra mediante el uso de un enfoque de función de penalización (PFA) y para desarrollar aún más el verdadero frente de Pareto (PF), el método de dominancia de Pareto se utiliza para categorizar la solución dominante de Pareto. Además, para tratar la naturaleza intermitente de RES, la función de densidad de probabilidad (PDF) y los modelos de potencia estocástica de RES se utilizan para calcular la potencia disponible de RES. Dado que, los objetivos del problema MOOPF son de naturaleza conflictiva, después de tener el conjunto de soluciones no dominantes, se ha utilizado el enfoque de la función de membresía difusa (FMF) para extraer la mejor solución de compromiso (BCS). Para probar la validez de la técnica desarrollada, el sistema de bus IEEE-30 se ha modificado con la integración de RES y el problema de optimización final se resuelve utilizando el algoritmo de optimización de enjambre de partículas (PSO). Los resultados de la simulación muestran el logro de la técnica propuesta que gestiona el valor del costo del combustible a largo plazo con los valores óptimos de otros objetivos. De plus, l'intégration optimale de ces sources d'énergie rend cette tâche plus difficile en raison de leur nature intermittente. Par conséquent, dans la présente étude, le problème du flux d'énergie est traité comme un problème de flux d'énergie optimal multi-contrainte et multi-objectif (MOOPF) avec une intégration optimale des sources d'énergie. Par conséquent, les objectifs du MOOPF sont triples : coût de production global, perte d'énergie réelle du système et réduction des émissions de carbone de sources thermiques.Dans ce travail, une technique efficace sur le plan informatique est présentée pour trouver les valeurs les plus réalisables de différentes variables de contrôle du système d'alimentation ayant des sources d'énergie renouvelables distribuées. Par conséquent, la satisfaction des contraintes est obtenue en utilisant l'approche de la fonction de pénalité (PFA) et pour développer davantage le vrai front de Pareto (PF), la méthode de dominance de Pareto est utilisée pour catégoriser la solution de dominance de Pareto. De plus, pour traiter la nature intermittente des sources d'énergie renouvelables, la fonction de densité de probabilité (PDF) et les modèles de puissance stochastique des sources d'énergie renouvelables sont utilisés pour calculer la puissance disponible à partir des sources d'énergie renouvelables. Depuis, les objectifs du problème MOOPF sont de nature conflictuelle, après avoir utilisé l'approche de la fonction d'appartenance floue (FMF) de l'ensemble de solutions non dominantes pour extraire la meilleure solution de compromis (BCS). Pour tester la validité de la technique développée, le système de bus IEEE-30 a été modifié avec intégration de res et le problème d'optimisation finale est résolu en utilisant l'algorithme d'optimisation d'essaim de particules (PSO). Les résultats de la simulation montrent la réalisation de la technique proposée en gérant la valeur du coût du carburant longtemps avec les valeurs optimales d'autres objectifs. In recent past, to meet the growing energy demand of electricity, integration of renewable energy resources (RESs) in an electrical network is a center of attention.Furthermore, optimal integration of these RESs make this task more challenging because of their intermittent nature.Therefore, in the present study power flow problem is treated as a multi-constraint, multi-objective optimal power flow (MOOPF) problem along with optimal integration of RESs.Whereas, the objectives of MOOPF are threefold: overall generation cost, real power loss of system and carbon emission reduction of thermal sources.In this work, a computationally efficient technique is presented to find the most feasible values of different control variables of the power system having distributed RESs.Whereas, the constraint satisfaction is achieved by using penalty function approach (PFA) and to further develop true Pareto front (PF), Pareto dominance method is used to categorize Pareto dominate solution.Moreover, to deal with intermittent nature of RES, probability density function (PDF) and stochastic power models of RES are used to calculate available power from RESs.Since, objectives of the MOOPF problem are conflicting in nature, after having the set of non-dominating solutions fuzzy membership function (FMF) approach has been used to extract the best compromise solution (BCS).To test the validity of developed technique, the IEEE-30 bus system has been modified with integration of RESs and final optimization problem is solved by using particle swarm optimization (PSO) algorithm.Simulation results show the achievement of proposed technique managing fuel cost value long with the optimal values of other objectives. في الماضي القريب، لتلبية الطلب المتزايد على الطاقة الكهربائية، يعد دمج موارد الطاقة المتجددة (RESs) في شبكة كهربائية مركزًا للاهتمام. علاوة على ذلك، فإن التكامل الأمثل لهذه الموارد يجعل هذه المهمة أكثر صعوبة بسبب طبيعتها المتقطعة. لذلك، في هذه الدراسة، يتم التعامل مع مشكلة تدفق الطاقة على أنها مشكلة تدفق طاقة مثلى متعددة القيود ومتعددة الأهداف (MOOPF) جنبًا إلى جنب مع التكامل الأمثل لـ RESs. في حين أن أهداف MOOPF ثلاثية الجوانب: تكلفة التوليد الإجمالية، وفقدان الطاقة الحقيقي للنظام وتقليل انبعاثات الكربون من المصادر الحرارية. في هذا العمل، يتم تقديم تقنية فعالة حسابيًا للعثور على القيم الأكثر جدوى لمتغيرات التحكم المختلفة لنظام الطاقة الذي قام بتوزيع RES. في حين يتم تحقيق الرضا عن القيد باستخدام نهج دالة العقوبة (PFA) ولمواصلة تطوير جبهة باريتو الحقيقية (PF)، يتم استخدام طريقة هيمنة باريتو لتصنيف حل باريتو المسيطر. علاوة على ذلك، للتعامل مع الطبيعة المتقطعة لـ RES، يتم استخدام دالة الكثافة الاحتمالية (PDF) ونماذج الطاقة العشوائية لـ RES لحساب الطاقة المتاحة من RESs. منذ ذلك الحين، أهداف مشكلة MOOPF هي متضاربة في طبيعتها، بعد استخدام مجموعة من الحلول غير المهيمنة تم استخدام نهج وظيفة العضوية الغامضة (FMF) لاستخراج أفضل حل وسط (BCS). لاختبار صحة التقنية المطورة، تم تعديل نظام ناقل IEEE -30 مع دمج RESs ويتم حل مشكلة التحسين النهائي باستخدام خوارزمية تحسين سرب الجسيمات (PSO). تظهر نتائج المحاكاة تحقيق التقنية المقترحة لإدارة قيمة تكلفة الوقود لفترة طويلة مع القيم المثلى للأهداف الأخرى.

Optical flow is the pattern of apparent motion of objects in a scene. The computation of optical flow is a critical component in numerous computer vision tasks such as object detection, visual object tracking, and activity recognition. Despite a lot of research, efficiently managing abrupt changes in motion remains a challenge in motion estimation. This paper proposes novel variational regularization methods to address this problem since they allow combining different mathematical concepts into a joint energy minimization framework. In this work, we incorporate concepts from signal sparsity into variational regularization for motion estimation. The proposed regularization uses a robust l1 norm, which promotes sparsity and handles motion discontinuities. By using this regularization, we promote the sparsity of the optical flow gradient. This sparsity helps recover a signal even with just a few measurements. We explore recovering optical flow from a limited set of linear measurements using this regularizer. Our findings show that leveraging the sparsity of the derivatives of optical flow reduces computational complexity and memory needs. Comment: 12 pages, 9 figures, and 3 tables

Optical flow is the pattern of apparent motion of objects in a scene. The computation of optical flow is a critical component in numerous computer vision tasks such as object detection, visual object tracking, and activity recognition. Despite a lot of research, efficiently managing abrupt changes in motion remains a challenge in motion estimation. This paper proposes novel variational regularization methods to address this problem since they allow combining different mathematical concepts into a joint energy minimization framework. In this work, we incorporate concepts from signal sparsity into variational regularization for motion estimation. The proposed regularization uses a robust l1 norm, which promotes sparsity and handles motion discontinuities. By using this regularization, we promote the sparsity of the optical flow gradient. This sparsity helps recover a signal even with just a few measurements. We explore recovering optical flow from a limited set of linear measurements using this regularizer. Our findings show that leveraging the sparsity of the derivatives of optical flow reduces computational complexity and memory needs. Comment: 12 pages, 9 figures, and 3 tables

A number of modern metaheuristic optimization techniques are being exploited to work out a single-objective economic dispatch (ED) problem. The dispatch problems even become more complicated and complex when they consider operational and system constraints, such as network transmission losses, valve-point loading effects originating due to sequential opening of a number of steam admission valves to meet the ever-increasing demand, ramp rate limits, prohibited operating zones, multiple fuel options, spinning reserve, and so on. The heavy constraints make the otherwise convex linear smooth dispatch problem as highly nonconvex nonlinear nonsmooth one. Finding optimal solution for such kind of a constrained nonlinear problem through the deterministic numerical and convex characteristics-based optimization techniques is a difficult task to accomplish. Researchers have frequently employed one of the metaheuristic optimization techniques with powerful computational ability named particle swarm optimization (PSO) to deal with this rather a complicated and toilsome dispatch problem. In Part I of the two-part paper, a comprehensive review or a survey of PSO and its modified versions (involve alterations in the basic structure of PSO) to resolve the constrained ED problem is presented. Part II covers purely the survey of hybrid forms of PSO (hybridization of PSO with other optimization techniques) to tackle the ED problem. The survey is presented in such a way that readers may understand how PSO can be made computationally more efficient.

A number of modern metaheuristic optimization techniques are being exploited to work out a single-objective economic dispatch (ED) problem. The dispatch problems even become more complicated and complex when they consider operational and system constraints, such as network transmission losses, valve-point loading effects originating due to sequential opening of a number of steam admission valves to meet the ever-increasing demand, ramp rate limits, prohibited operating zones, multiple fuel options, spinning reserve, and so on. The heavy constraints make the otherwise convex linear smooth dispatch problem as highly nonconvex nonlinear nonsmooth one. Finding optimal solution for such kind of a constrained nonlinear problem through the deterministic numerical and convex characteristics-based optimization techniques is a difficult task to accomplish. Researchers have frequently employed one of the metaheuristic optimization techniques with powerful computational ability named particle swarm optimization (PSO) to deal with this rather a complicated and toilsome dispatch problem. In Part I of the two-part paper, a comprehensive review or a survey of PSO and its modified versions (involve alterations in the basic structure of PSO) to resolve the constrained ED problem is presented. Part II covers purely the survey of hybrid forms of PSO (hybridization of PSO with other optimization techniques) to tackle the ED problem. The survey is presented in such a way that readers may understand how PSO can be made computationally more efficient.

Most of the traditional PID tuning methods are heuristic in nature. The heuristic approach-based tuned PID controllers show only nominal performance. In addition, in the case of a digital redesign approach, mapping of the heuristically-designed continuous-time PID controllers into discrete-time PID controllers and in case of the direct digital design approach, mapping of the continuous-time plant (forward converter) into the discrete-time plant, results in frequency distortion (or warping). Besides this, nonlinear elements such as ADC and DAC, and delay in the digital control loop deteriorate the control performance. There is a need to tune conventionally-designed digital controllers to enhance performance. This paper proposes optimized discrete-time PID controllers for a forward DC–DC converter operating in continuous conduction mode (CCM). The considered conventional digital PID controllers designed on the basis of the digital redesign and direct digital approaches are tuned by one of the multivariable unconstrained pattern search methods named Hooke–Jeeves (H–J) search method to ensure excellent output voltage regulation performance against the changes in input voltage and load current. Numerical results show that the H–J-based optimized PID compensated forward converter system shows tremendous improvement in performance compared to its unoptimized counterpart and simulated annealing (SA)-based compensated system, thus justifying the applicability of the H–J method for enhancing the performance.