Enhanced RIME-Based Energy Management Strategy for Techno-Economic Optimization of Standalone Hybrid Micro-grid

Technische Samenvatting: Verbeterde RIME-gebaseerde Energiemanagementstrategie voor Techno-economische Optimalisatie van een Autonome Hybride Microgrid

Probleemstelling
De integratie van hernieuwbare energiebronnen (RES) in geïsoleerde, off-grid gemeenschappen vereist efficiënte methodologieën voor de optimale dimensionering van autonome hybride microgrids. Deze systemen worden geconfronteerd met aanzienlijke uitdagingen door de intermitterende aard van zonne- en windbronnen, wat de balans tussen aanbod en vraag bemoeilijkt. De kern van de technische uitdaging die in deze studie wordt behandeld, is de optimale dimensionering van een hybride systeem bestaande uit fotovoltaïsche (PV) modules, windturbines (WT), brandstofcellen (FC) en batterij-energieopslagsystemen (BESS). Dit vormt een complex, niet-lineair, niet-convex, gemengd-integer en beperkt optimalisatieprobleem. Klassieke optimalisatiemethoden zijn vaak inefficiënt bij het vinden van globaal optimale oplossingen binnen een redelijke rekentijd voor dergelijke hoogdimensionale problemen (specifiek een 42-dimensionaal integer model in dit geval). Hoewel metaheuristische algoritmen zoals Particle Swarm Optimization (PSO) en het recent voorgestelde RIME (Rime Optimization) algoritme alternatieven bieden, kunnen zij lijden onder voortijdige convergentie, verlies van populatiediversiteit en stagnatie in lokale optima wanneer ze worden toegepast op complexe, beperkte ontwerpplekken.

Methodologie
De studie stelt een uitgebreid techno-economisch kader voor, toegepast op een autonome hybride microgrid op de locatie Zafarana in de Golf van Suez, Egypte. De systeemarchitectuur verbindt generatie- en opslagsubsystemen (PV, WT, FC, BESS) via een gemeenschappelijke DC-bus, waarbij specifieke converters en inverters worden gebruikt om de vermogensstroom te beheren.

1. Systeemmodellering:

   • Generatie: De PV-output wordt gemodelleerd op basis van instraling en temperatuur; de WT-output volgt een stuksgewijze vermogenscurve; de FC fungeert als een regelbare generator.
   • Opslag: Een duale opslagbenadering wordt gemodelleerd, inclusend een BESS voor kortetermijnbuffering en een waterstofopslagsysteem (elektrolyser en H₂-tank) voor langetermijnopslag.
   • Constraints (Beperkingen): De optimalisatie handhaaft de vermogensbalans over vier representatieve operationele scenario's (zomer/winter, dag/nacht), jaarlijkse energieadequaatheid, componentcompatibiliteit en een minimale batterijreserve van 3 dagen.
   • Doel: Het doel is om de totale levenscycluskosten (kapitaal, installatie en O&M) over een projecthorizon van 20 jaar te minimaliseren.

2. Voorgesteld Algoritme (E-RIME):
   De auteurs introduceren een Enhanced RIME (E-RIME) algoritme om de beperkingen van het basislijn RIME en PSO aan te pakken. E-RIME integreert vier specifieke verbeteringsmechanismen in de standaard RIME-zoekcyclus:

   • Tent Chaotic Initialization: Vervangt willekeurige initialisatie om de populatiediversiteit en de dekking van de zoekruimte te verbeteren.
   • Opposition-Based Learning (OBL): Evalueert tegenovergestelde kandidaat-oplossingen tijdens de initialisatie om kwalitatief betere individuen te behouden.
   • Adaptive Non-Linear Parameter Control: Maakt gebruik van een cosinus-decay functie om de overgang van exploratie naar exploitatie te beheren.
   • Stagnation Restart Mechanism: Reïnitieert periodiek slecht presterende agenten om voortijdige convergentie te voorkomen en diversiteit te behouden.

3. Experimentele Opstelling:
   De prestaties van E-RIME werden vergeleken met baseline RIME en PSO onder identieke omstandigheden: 60 zoekagenten, 30 onafhankelijke runs en variërende iteratiebudgetten (20, 100 en 300 iteraties).

Belangrijkste Resultaten

• Convergentieprestaties: E-RIME demonstreerde de snelste convergentiesnelheid, met name onder beperkte computationele budgetten (20 iteraties). Terwijl baseline RIME en PSO tragere initiële verbeteringen vertoonden, bereikte E-RIME consequent lagere levenscycluskosten in een vroeg stadium van het zoekproces.
• Minimalisatie van Levenscycluskosten: Over alle iteratiebudgetten heen behaalde E-RIME de laagste totale levenscycluskosten.
  • Bij 20 iteraties: E-RIME ($2.0967 \times 10^6$) presteerde aanzienlijk beter dan PSO ($2.3787 \times 10^6$) en RIME ($2.5613 \times 10^6$).
  • Bij 300 iteraties: E-RIME bereikte de uiteindelijke laagste kosten ($1.2581 \times 10^6$), gevolgd door RIME ($1.4129 \times 10^6$) en PSO ($2.1805 \times 10^6$). Opvallend genoeg steeg de kosten van PSO licht tussen 100 en 300 iteraties, wat wijst op moeilijkheden bij het verfijnen van oplossingen tijdens uitgebreidere zoekprocessen.
• Optimale Componentdimensionering: Het E-RIME algoritme bepaalde een optimale configuratie die gedomineerd wordt door PV-modules (Type 3) en brandstofcellen (Type 1). Cruciaal is dat de optimizer nul windturbine-eenheden selecteerde, wat aangeeft dat onder de specifieke techno-economische aannames en de condities van de locatie Zafarana, windgeneratie niet kosteneffectief was. De oplossing omvatte aanzienlijke batterijopslag (Types 1–3) en volledige benutting van de inverter- en convertercapaciteiten.
• Systeemwerking: De 24-uurs vermogensbalansanalyse toonde aan dat de brandstofcel zorgde voor een constante basislast, terwijl PV bijdroeg tijdens de daguren. Het batterijsysteem werkte voornamelijk in een continue laadmodus om overtollige generatie op te vangen, wat bevestigt dat het systeem in staat is om aan de belastingsvraag te voldoen met een stabiele aanvoer.

Betekenis en Claims
Het artikel beweert dat het voorgestelde E-RIME framework een effectieve en robuuste oplossing is voor grootschalige, gemengd-integer hybride microgrid-dimensioneringsproblemen. De studie stelt dat de integratie van chaotische initialisatie, OBL, adaptieve parametercontrole en stagnatie-restart mechanismen succesvol de balans tussen exploratie en exploitatie verbetert, wat leidt tot superieure oplossingskwaliteit en snellere convergentie vergeleken met gevestigde metaheuristieken zoals PSO en baseline RIME.

De auteurs benadrukken dat E-RIME bijzonder geschikt is voor toepassingen met beperkte computationele budgetten waar snelle convergentie vereist is, terwijl het tegelijkertijd het vermogen behoudt om superieure globale optima te vinden in uitgebreide zoekscenario's. De bevindingen bevestigen de effectiviteit van de aanpak bij het minimaliseren van de levenscycluskosten voor autonome hernieuwbare energiesystemen.

Beperkingen en Toekomstig Werk
De studie erkent dat de resultaten gebaseerd zijn op deterministische gegevens over hernieuwbare bronnen en belasting, zonder expliciet componentdegradatie, onzekerheid of stochastische operationele condities te modelleren. De auteurs suggereren dat toekomstig onderzoek onzekerheidsmodellering, degradatiebewuste levenscyclusbeoordelingen en real-time energiemanagementstrategieën moet bevatten om de praktische toepasbaarheid van het framework verder te verbeteren.