• Energy Research

The modern-day urban energy sector possesses the integrated operation of various microgrids located in a vicinity, named cluster microgrids, which helps to reduce the utility grid burden. However, these cluster microgrids require a precise electric load projection to manage the operations, as the integrated operation of multiple microgrids leads to dynamic load demand. Thus, load forecasting is a complicated operation that requires more than statistical methods. There are different machine learning methods available in the literature that are applied to single microgrid cases. In this line, the cluster microgrids concept is a new application, which is very limitedly discussed in the literature. Thus, to identify the best load forecasting method in cluster microgrids, this article implements a variety of machine learning algorithms, including linear regression (quadratic), support vector machines, long short-term memory, and artificial neural networks (ANN) to forecast the load demand in the short term. The effectiveness of these methods is analyzed by computing various factors such as root mean square error, R-square, mean square error, mean absolute error, mean absolute percentage error, and time of computation. From this, it is observed that the ANN provides effective forecasting results. In addition, three distinct optimization techniques are used to find the optimum ANN training algorithm: Levenberg–Marquardt, Bayesian Regularization, and Scaled Conjugate Gradient. The effectiveness of these optimization algorithms is verified in terms of training, test, validation, and error analysis. The proposed system simulation is carried out using the MATLAB/Simulink-2021a® software. From the results, it is found that the Levenberg–Marquardt optimization algorithm-based ANN model gives the best electrical load forecasting results.

The modern-day urban energy sector possesses the integrated operation of various microgrids located in a vicinity, named cluster microgrids, which helps to reduce the utility grid burden. However, these cluster microgrids require a precise electric load projection to manage the operations, as the integrated operation of multiple microgrids leads to dynamic load demand. Thus, load forecasting is a complicated operation that requires more than statistical methods. There are different machine learning methods available in the literature that are applied to single microgrid cases. In this line, the cluster microgrids concept is a new application, which is very limitedly discussed in the literature. Thus, to identify the best load forecasting method in cluster microgrids, this article implements a variety of machine learning algorithms, including linear regression (quadratic), support vector machines, long short-term memory, and artificial neural networks (ANN) to forecast the load demand in the short term. The effectiveness of these methods is analyzed by computing various factors such as root mean square error, R-square, mean square error, mean absolute error, mean absolute percentage error, and time of computation. From this, it is observed that the ANN provides effective forecasting results. In addition, three distinct optimization techniques are used to find the optimum ANN training algorithm: Levenberg–Marquardt, Bayesian Regularization, and Scaled Conjugate Gradient. The effectiveness of these optimization algorithms is verified in terms of training, test, validation, and error analysis. The proposed system simulation is carried out using the MATLAB/Simulink-2021a® software. From the results, it is found that the Levenberg–Marquardt optimization algorithm-based ANN model gives the best electrical load forecasting results.

Today’s stochastic grid system is experiencing huge voltage fluctuations, which is responsible for power quality issues in the smart microgrid network due to its intermittent nature as well as penetration of hybrid renewable resources. Thus, the dynamic performance evaluation and their control are essential to sustaining the stability of the grid network. A d-q controller mechanism is suggested to maintain the balance of the distributed generation network and grid side network. A dynamic control mechanism of voltage source converter (VSC) is presented in the MPPT-based wind power generating station, where an induction generator generates the power by the optimal control of the wind energy-based subsystem. The distributed hybrid generation (solar PV and wind) subsystem’s output terminal is linked to the DC bus bar’s common link via the VSC. A VSI is utilized to convert the desired DC power to alternating current power. To regulate and improve the performance of the proposed hybrid power generating systems (HPGS), a supercapacitor (SC) is used to smooth out the ripple on the distribution side in the power grid. Furthermore, the dynamic stability of grid-connected solar PV and wind power generation systems is investigated. This article also proposed an effective control scheme for the SC in HPGS under the influence of weak grid conditions. This article aimed to validate the efficiency of the VSI topology; a PI controller stability enhancement approach is used in a proposed grid system under various disturbance conditions. Finally, the simulation results and FFT-based power quality response analysis are validated through the effective utilization of an SC.

Today’s stochastic grid system is experiencing huge voltage fluctuations, which is responsible for power quality issues in the smart microgrid network due to its intermittent nature as well as penetration of hybrid renewable resources. Thus, the dynamic performance evaluation and their control are essential to sustaining the stability of the grid network. A d-q controller mechanism is suggested to maintain the balance of the distributed generation network and grid side network. A dynamic control mechanism of voltage source converter (VSC) is presented in the MPPT-based wind power generating station, where an induction generator generates the power by the optimal control of the wind energy-based subsystem. The distributed hybrid generation (solar PV and wind) subsystem’s output terminal is linked to the DC bus bar’s common link via the VSC. A VSI is utilized to convert the desired DC power to alternating current power. To regulate and improve the performance of the proposed hybrid power generating systems (HPGS), a supercapacitor (SC) is used to smooth out the ripple on the distribution side in the power grid. Furthermore, the dynamic stability of grid-connected solar PV and wind power generation systems is investigated. This article also proposed an effective control scheme for the SC in HPGS under the influence of weak grid conditions. This article aimed to validate the efficiency of the VSI topology; a PI controller stability enhancement approach is used in a proposed grid system under various disturbance conditions. Finally, the simulation results and FFT-based power quality response analysis are validated through the effective utilization of an SC.

Ce travail vise à fournir une méthode de formation de faisceau hybride efficace avec un réseau à double profondeur pour surmonter les frais généraux pour les systèmes MIMO massifs à ondes millimétriques. Dans cet article, une technique de réseau à double profondeur est décrite pour l'extraction de structures statistiques à partir d'un modèle de formation de faisceau hybride basé sur des logiques mmWave, ainsi que sur une logique d'entraînement pour les fonctions de carte de réseau. L'approche proposée de DDN est formée avec des séquences de données appropriées utilisées pour la communication et la phase de formation est menée avec les normes de nombreuses variantes de canaux. Compte tenu de la nature des divers états du canal, un réseau à double profondeur est nécessaire pour manipuler le niveau de présence et les capacités même après l'entraînement. Les améliorations du niveau de performance sont pratiquement résumées à la fois dans les entités de transmission et de réception à l'aide de l'architecture de réseau hybride proposée et de l'algorithme Dual Deep Network associé. Plus précisément, le BER par rapport au SNR et l'efficacité spectrale par rapport au SNR sont évalués ainsi que les niveaux de précision résultants sont validés de manière croisée avec de nombreuses techniques de communication classiques. Cet article montre les difficultés de traitement de l'approche proposée et se valide généralement de manière croisée avec d'autres logiques de formation de faisceau. Les estimations des coûts et des performances de calcul sont améliorées, et les mesures sont clairement visualisées dans cet article sur la base de procédures de formation de faisceaux améliorées, ainsi que l'approche proposée des mesures de performance du livre de codes multirésolution basées sur DDN sont estimées clairement avec des études de modèles mathématiques appropriées. Avec 7Kbits/s/Hz et 1e-1, respectivement, les mesures clés de l'efficacité spectrale et du BER sont améliorées. Este trabajo tiene como objetivo proporcionar un método eficaz de formación de haces híbridos con Dual-Deep-Network para superar la sobrecarga de los sistemas mimo masivos de ondas milimétricas. En este trabajo se describe una técnica Dual-Deep-Network para la extracción de estructuras estadísticas a partir de un modelo de formación de haz híbrido basado en lógicas mmWave, así como lógica de entrenamiento para las funciones del mapa de red. El enfoque propuesto de DDN se entrena con secuencias de datos adecuadas utilizadas para la comunicación y la fase de entrenamiento se lleva a cabo con las normas de numerosas variantes de canal. Con la naturaleza de los diversos estados del canal, también se requiere una Red de Doble Profundidad para manipular el nivel de presencia y habilidades incluso después de la capacitación. Las mejoras en el nivel de rendimiento se resumen prácticamente tanto en las entidades de transmisión como de recepción con la ayuda de la arquitectura de red híbrida propuesta y el algoritmo Dual Deep Network asociado. Específicamente, se evalúan la BER frente a la SNR y la eficiencia espectral frente a la SNR, así como los niveles de precisión resultantes se validan de forma cruzada con numerosas técnicas de comunicación clásicas. Este documento muestra las dificultades de procesamiento del enfoque propuesto y, por lo general, se valida de forma cruzada con otras lógicas de formación de haces. Las estimaciones computacionales de costos y rendimiento se mejoran, y las métricas se visualizan claramente en este documento basadas en procedimientos mejorados de formación de haces, así como el enfoque propuesto de las métricas de rendimiento del Libro de códigos de resolución múltiple basadas en DDN se estiman claramente con las investigaciones adecuadas del modelo matemático. Con 7Kbits/s/Hz y 1e-1, respectivamente, se mejoran las métricas clave de eficiencia espectral y BER. This work aims to provide an effective hybrid beam forming method with Dual-Deep-Network to overcome overhead for mm-wave massive MIMO systems. In this paper, a Dual-Deep-Network technique is described for the extraction of statistical structures from a hybrid beam forming model based on mmWave logics, as well as training logic for the network map functions. The proposed approach of DDN is trained with proper data sequences used for communication and the training phase is conducted with the norms of numerous channel variants. With the nature of diverse channel states, a Dual-Deep-Network is required to manipulate the level of presence and abilities even after training as well. The performance level improvements are practically summarized in both the transmission and reception entities with the help of the proposed hybrid network architecture and the associated Dual Deep Network algorithm. Specifically, the BER versus SNR and spectral efficiency versus SNR are evaluated as well as the resulting accuracy levels are cross validated with numerous classical communication techniques. This paper shows the processing difficulties of the proposed approach and typically cross-validates with other beam forming logics. The computational cost and performance estimations are improved, and the metrics are clearly visualized on this paper based on improved beamforming procedures as well as the proposed approach of DDN based Multi-Resolution Code Book performance metrics are estimated clearly with proper mathematical model investigations. With 7Kbits/s/Hz and 1e-1, respectively, the key metrics of spectral efficiency and BER are enhanced. يهدف هذا العمل إلى توفير طريقة فعالة لتشكيل الحزمة الهجينة مع شبكة ثنائية العمق للتغلب على النفقات العامة لأنظمة MIMO الضخمة ذات الموجة الملليمترية. في هذه الورقة، تم وصف تقنية الشبكة المزدوجة العميقة لاستخراج الهياكل الإحصائية من نموذج تشكيل الحزمة الهجينة بناءً على منطق mmWave، بالإضافة إلى منطق التدريب لوظائف خريطة الشبكة. يتم تدريب النهج المقترح لـ DDN بتسلسلات البيانات المناسبة المستخدمة للاتصال ويتم إجراء مرحلة التدريب مع معايير العديد من متغيرات القناة. نظرًا لطبيعة حالات القنوات المتنوعة، يلزم وجود شبكة ثنائية العمق للتلاعب بمستوى التواجد والقدرات حتى بعد التدريب أيضًا. يتم تلخيص تحسينات مستوى الأداء عمليًا في كل من كيانات الإرسال والاستقبال بمساعدة بنية الشبكة الهجينة المقترحة وخوارزمية الشبكة العميقة المزدوجة المرتبطة بها. على وجه التحديد، يتم تقييم BER مقابل SNR والكفاءة الطيفية مقابل SNR وكذلك يتم التحقق من صحة مستويات الدقة الناتجة من خلال العديد من تقنيات الاتصال الكلاسيكية. توضح هذه الورقة صعوبات المعالجة للنهج المقترح وعادة ما يتم التحقق من صحتها مع منطق تشكيل الحزمة الأخرى. يتم تحسين التكلفة الحسابية وتقديرات الأداء، ويتم تصور المقاييس بوضوح في هذه الورقة بناءً على إجراءات تشكيل الحزم المحسنة بالإضافة إلى النهج المقترح لمقاييس أداء دفتر الرموز متعددة الحلول القائمة على DDN والتي يتم تقديرها بوضوح من خلال تحقيقات النموذج الرياضي المناسبة. مع 7 كيلوبت/ثانية/هرتز و1 e -1 على التوالي، يتم تحسين المقاييس الرئيسية للكفاءة الطيفية وBER.

Ce travail vise à fournir une méthode de formation de faisceau hybride efficace avec un réseau à double profondeur pour surmonter les frais généraux pour les systèmes MIMO massifs à ondes millimétriques. Dans cet article, une technique de réseau à double profondeur est décrite pour l'extraction de structures statistiques à partir d'un modèle de formation de faisceau hybride basé sur des logiques mmWave, ainsi que sur une logique d'entraînement pour les fonctions de carte de réseau. L'approche proposée de DDN est formée avec des séquences de données appropriées utilisées pour la communication et la phase de formation est menée avec les normes de nombreuses variantes de canaux. Compte tenu de la nature des divers états du canal, un réseau à double profondeur est nécessaire pour manipuler le niveau de présence et les capacités même après l'entraînement. Les améliorations du niveau de performance sont pratiquement résumées à la fois dans les entités de transmission et de réception à l'aide de l'architecture de réseau hybride proposée et de l'algorithme Dual Deep Network associé. Plus précisément, le BER par rapport au SNR et l'efficacité spectrale par rapport au SNR sont évalués ainsi que les niveaux de précision résultants sont validés de manière croisée avec de nombreuses techniques de communication classiques. Cet article montre les difficultés de traitement de l'approche proposée et se valide généralement de manière croisée avec d'autres logiques de formation de faisceau. Les estimations des coûts et des performances de calcul sont améliorées, et les mesures sont clairement visualisées dans cet article sur la base de procédures de formation de faisceaux améliorées, ainsi que l'approche proposée des mesures de performance du livre de codes multirésolution basées sur DDN sont estimées clairement avec des études de modèles mathématiques appropriées. Avec 7Kbits/s/Hz et 1e-1, respectivement, les mesures clés de l'efficacité spectrale et du BER sont améliorées. Este trabajo tiene como objetivo proporcionar un método eficaz de formación de haces híbridos con Dual-Deep-Network para superar la sobrecarga de los sistemas mimo masivos de ondas milimétricas. En este trabajo se describe una técnica Dual-Deep-Network para la extracción de estructuras estadísticas a partir de un modelo de formación de haz híbrido basado en lógicas mmWave, así como lógica de entrenamiento para las funciones del mapa de red. El enfoque propuesto de DDN se entrena con secuencias de datos adecuadas utilizadas para la comunicación y la fase de entrenamiento se lleva a cabo con las normas de numerosas variantes de canal. Con la naturaleza de los diversos estados del canal, también se requiere una Red de Doble Profundidad para manipular el nivel de presencia y habilidades incluso después de la capacitación. Las mejoras en el nivel de rendimiento se resumen prácticamente tanto en las entidades de transmisión como de recepción con la ayuda de la arquitectura de red híbrida propuesta y el algoritmo Dual Deep Network asociado. Específicamente, se evalúan la BER frente a la SNR y la eficiencia espectral frente a la SNR, así como los niveles de precisión resultantes se validan de forma cruzada con numerosas técnicas de comunicación clásicas. Este documento muestra las dificultades de procesamiento del enfoque propuesto y, por lo general, se valida de forma cruzada con otras lógicas de formación de haces. Las estimaciones computacionales de costos y rendimiento se mejoran, y las métricas se visualizan claramente en este documento basadas en procedimientos mejorados de formación de haces, así como el enfoque propuesto de las métricas de rendimiento del Libro de códigos de resolución múltiple basadas en DDN se estiman claramente con las investigaciones adecuadas del modelo matemático. Con 7Kbits/s/Hz y 1e-1, respectivamente, se mejoran las métricas clave de eficiencia espectral y BER. This work aims to provide an effective hybrid beam forming method with Dual-Deep-Network to overcome overhead for mm-wave massive MIMO systems. In this paper, a Dual-Deep-Network technique is described for the extraction of statistical structures from a hybrid beam forming model based on mmWave logics, as well as training logic for the network map functions. The proposed approach of DDN is trained with proper data sequences used for communication and the training phase is conducted with the norms of numerous channel variants. With the nature of diverse channel states, a Dual-Deep-Network is required to manipulate the level of presence and abilities even after training as well. The performance level improvements are practically summarized in both the transmission and reception entities with the help of the proposed hybrid network architecture and the associated Dual Deep Network algorithm. Specifically, the BER versus SNR and spectral efficiency versus SNR are evaluated as well as the resulting accuracy levels are cross validated with numerous classical communication techniques. This paper shows the processing difficulties of the proposed approach and typically cross-validates with other beam forming logics. The computational cost and performance estimations are improved, and the metrics are clearly visualized on this paper based on improved beamforming procedures as well as the proposed approach of DDN based Multi-Resolution Code Book performance metrics are estimated clearly with proper mathematical model investigations. With 7Kbits/s/Hz and 1e-1, respectively, the key metrics of spectral efficiency and BER are enhanced. يهدف هذا العمل إلى توفير طريقة فعالة لتشكيل الحزمة الهجينة مع شبكة ثنائية العمق للتغلب على النفقات العامة لأنظمة MIMO الضخمة ذات الموجة الملليمترية. في هذه الورقة، تم وصف تقنية الشبكة المزدوجة العميقة لاستخراج الهياكل الإحصائية من نموذج تشكيل الحزمة الهجينة بناءً على منطق mmWave، بالإضافة إلى منطق التدريب لوظائف خريطة الشبكة. يتم تدريب النهج المقترح لـ DDN بتسلسلات البيانات المناسبة المستخدمة للاتصال ويتم إجراء مرحلة التدريب مع معايير العديد من متغيرات القناة. نظرًا لطبيعة حالات القنوات المتنوعة، يلزم وجود شبكة ثنائية العمق للتلاعب بمستوى التواجد والقدرات حتى بعد التدريب أيضًا. يتم تلخيص تحسينات مستوى الأداء عمليًا في كل من كيانات الإرسال والاستقبال بمساعدة بنية الشبكة الهجينة المقترحة وخوارزمية الشبكة العميقة المزدوجة المرتبطة بها. على وجه التحديد، يتم تقييم BER مقابل SNR والكفاءة الطيفية مقابل SNR وكذلك يتم التحقق من صحة مستويات الدقة الناتجة من خلال العديد من تقنيات الاتصال الكلاسيكية. توضح هذه الورقة صعوبات المعالجة للنهج المقترح وعادة ما يتم التحقق من صحتها مع منطق تشكيل الحزمة الأخرى. يتم تحسين التكلفة الحسابية وتقديرات الأداء، ويتم تصور المقاييس بوضوح في هذه الورقة بناءً على إجراءات تشكيل الحزم المحسنة بالإضافة إلى النهج المقترح لمقاييس أداء دفتر الرموز متعددة الحلول القائمة على DDN والتي يتم تقديرها بوضوح من خلال تحقيقات النموذج الرياضي المناسبة. مع 7 كيلوبت/ثانية/هرتز و1 e -1 على التوالي، يتم تحسين المقاييس الرئيسية للكفاءة الطيفية وBER.