OPTIMIZING WIND POWER PLANTS: COMPARATIVE ENHANCEMENT IN LOW WIND SPEED ENVIRONMENTS

Mustafa Hussein Ibrahim; Muhammed A.  Ibrahim; Salam Ibrahim Khather

doi:10.35784/iapgos.6369

PDF (angielski)

Opublikowane: 2024-12-21

DOI: https://doi.org/10.35784/iapgos.6369

Numer Tom 14 Nr 4 (2024)

IDENTYFIKACJA SZTYWNEJ PRZESZKODY O DOWOLNYM KSZTAŁCIE OŚWIETLONEJ PŁASKĄ FALĄ AKUSTYCZNĄ PRZY UŻYCIU DANYCH Z BLISKIEGO POLA
Tomasz Rymarczyk, Jan Sikora

5-9
OBRAZOWANIE OPARTE NA CZĘSTOTLIWOŚCI RADIOWEJ DO LOKALIZACJI WEWNĄTRZ POMIESZCZEŃ Z WYKORZYSTANIEM TECHNIK BEZPAMIĘCIOWYCH I TECHNOLOGII BEZPRZEWODOWEJ
Tammineni Shanmukha Prasanthi, Swarajya Madhuri Rayavarapu, Gottapu Sasibhushana Rao, Raj Kumar Goswami, Gottapu Santosh Kumar

10-15
INTELIGENTNA TECHNOLOGIA DOPASOWYWANIA DLA ELASTYCZNYCH ANTEN
Olena Semenova, Andriy Semenov, Stefan Meulesteen, Natalia Kryvinska, Hanna Pastushenko

16-22
RÓŻNICOWE MAPOWANIE MACIERZY MULLERA SKŁADNIKA POLIKRYSTALICZNEGO TKANEK BIOLOGICZNYCH NARZĄDÓW LUDZKICH
Andrei Padure, Oksana Bakun, Ivan Mikirin, Oleksandr Dubolazov, Iryna Soltys, Oleksandr Olar, Yuriy Ushenko, Oleksandr Ushenko, Irina Palii, Saule Kumargazhanova

23-27
SELEKTOR POLARYZACJI NA FALOWODACH CZĘŚCIOWO WYPEŁNIONYCH DIELEKTRYKIEM
Vitaly Pochernyaev, Nataliia Syvkova, Mariia Mahomedova

28-31
FUNKCJONALNIE ZINTEGROWANY PRZYRZĄD DO POMIARU TEMPERATURY
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Marharyta Rozhdestvenska, Halyna Lastivka

32-37
BADANIA PROCESU KONTROLI OZONU Z WYKORZYSTANIEM CZUJNIKÓW ELEKTRONICZNYCH
Sunggat Marxuly, Askar Abdykadyrov, Katipa Chezhimbayeva, Nurzhigit Smailov

38-45
OPTYMALIZACJA FARM WIATROWYCH: PORÓWNAWCZE ZWIĘKSZENIE WYDAJNOŚCI W WARUNKACH NISKIEJ PRĘDKOŚCI WIATRU
Mustafa Hussein Ibrahim, Muhammed A. Ibrahim, Salam Ibrahim Khather

46-51
STEROWANIE MPPT SYSTEMU PV: ANALIZA PORÓWNAWCZA ALGORYTMÓW P&O, INCCOND, SMC I FLC
Khoukha Bouguerra, Samia Latreche, Hamza Khemlche, Mabrouk Khemliche

52-62
15-POZIOMOWY ASYMETRYCZNY FALOWNIK WIELOPOZIOMOWY OPARTY NA TECHNOLOGII DSTATCOM POPRAWIAJĄCY JAKOŚĆ ZASILANIA
Panneerselvam Sundaramoorthi, Govindasamy Saravana Venkatesh

63-70
SYMULACJA KOMPUTEROWA ZWARCIA TRANSFORMATORA NADPRZEWODNIKOWEGO
Leszek Jaroszyński

71-74
STEROWANIE ZORIENTOWANE POLOWO DLA SILNIKÓW INDUKCYJNYCH OPARTE NA SZTUCZNEJ INTELIGENCJI
Elmehdi Benmalek, Marouane Rayyam, Ayoub Gege, Omar Ennasiri, Adil Ezzaidi

75-81
BADANIE ZMIAN POZIOMU BEZPIECZEŃSTWA SIECI W OPARCIU O PODEJŚCIE KOGNITYWNE
Olha Saliieva, Yurii Yaremchuk

82-85
WYKORZYSTANIE UCZENIA MASZYNOWEGO W SYSTEMACH WYKRYWANIA WŁAMANIA DO SIECI
Ahmad Sanmorino, Herri Setiawan, John Roni Coyanda

86-89
WYKORZYSTANIE WEKTORÓW WSPIERAJĄCYCH DO ZBUDOWANIA OPARTEGO NA REGUŁACH SYSTEMU WYKRYWANIA ZŁOŚLIWYCH PROCESÓW W RUCHU SIECIOWYM ORGANIZACJI
Halyna Haidur, Sergii Gakhov, Dmytro Hamza

90-96
WYODRĘBNIANIE PAR EMOCJA-PRZYCZYNA: METODOLOGIA OPARTA NA BiLSTM
Raga Madhuri Chandra, Giri Venkata Sai Tej Neelaiahgari, Satya Sumanth Vanapalli

97-103
UDOSKONALENIE α-PARAMETERYZOWANEJ METODY PRZEKSZTAŁCENIA RÓŻNICZKOWEGO Z OPTYMALIZATOREM DANDELION DO ROZWIĄZYWANIA RÓWNAŃ RÓŻNICZKOWYCH ZWYCZAJNYCH
Mustafa Raed Najeeb, Omar Saber Qasim

104-108
METODA ADAPTACYJNEGO KODOWANIA STATYSTYCZNEGO Z UWZGLĘDNIENIEM CECHY STRUKTURALNE OBRAZÓW WIDEO
Volodymyr Barannik, Dmytro Havrylov, Serhii Pantas, Yurii Tsimura, Tatayna Belikova, Rimma Viedienieva, Vasyl Kryshtal

109-114
OPTYMALIZACJA PROGNOZOWANIA SZEREGÓW CZASOWYCH: WYKORZYSTANIE MODELI UCZENIA MASZYNOWEGO W CELU ZWIĘKSZENIA DOKŁADNOŚCI PREDYKCYJNEJ
Waldemar Wójcik, Assem Shayakhmetova, Ardak Akhmetova, Assel Abdildayeva, Galymzhan Nurtugan

115-120
SYNCHRONIZACJA ZARZĄDZANIA STEROWANEGO ZDARZENIAMI PODCZAS GROMADZENIA DANYCH
Valeriy Kuzminykh, Oleksandr Koval, Yevhen Havrylko, Beibei Xu, Iryna Yepifanova, Shiwei Zhu, Nataliia Bieliaieva, Bakhyt Yeraliyeva

121-129
UKŁAD INTERFEJSU A WYDAJNOŚĆ PRZYSWAJANIA INFORMACJI W PROCESIE UCZENIA SIĘ
Julia Zachwatowicz, Oliwia Zioło, Mariusz Dzieńkowski

130-135
ZAUTOMATYZOWANY SYSTEM ZARZĄDZANIA WODĄ Z PROGNOZOWANIEM ZAPOTRZEBOWANIA OPARTYM NA SZTUCZNEJ INTELIGENCJI
Arman Mohammad Nakib

136-140
SCHEMATY UML SYSTEMU ZARZĄDZANIA STANOWISKAMI UTRZYMANIA
Lyudmila Samchuk, Yuliia Povstiana

141-145
PRZEWIDYWANIE WAGI DEFEKTU KODU NA PODSTAWIE UCZENIA ZESPOŁOWEGO
Ghada Mohammad Tahir Aldabbagh, Safwan Omar Hasoon

146-153
NIEDROGA RZECZYWISTOŚĆ ROZSZERZONA W CHIRURGII KRĘGOSŁUPA: BADANIE EMPIRYCZNE DOTYCZĄCE POPRAWY WIZUALIZACJI I DOKŁADNOŚCI CHIRURGICZNEJ
Iqra Aslam, Muhammad Jasim Saeed, Zarmina Jahangir, Kanza Zafar, Muhammad Awais Sattar

154-163

Archiwum

2026

Tom 16 Nr 2
2026-06-30 27
Tom 16 Nr 1
2026-03-30 27

2025

Tom 15 Nr 4
2025-12-20 27
Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

Authors

Mustafa Hussein Ibrahim

mustafahussein@uomosul.edu.iq

University of Mosul, Department of New and Renewable Energies

https://orcid.org/0000-0002-9950-6524

Muhammed A. Ibrahim

muhammed.ibrahim@uoninevah.edu.iq

Ninevah University, Department of System and Control Engineering

https://orcid.org/0000-0003-4818-1245

Salam Ibrahim Khather

salam.khather@uoninevah.edu.iq

Ninevah University, Department of System and Control Engineering

https://orcid.org/0000-0002-9082-2360

Abstrakt

Opracowanie ma na celu optymalizację wydajności farm wiatrowych w regionach o niskiej prędkości wiatru przy użyciu narzędzia HOMER Pro w celu zbadania wpływu mocy turbin wiatrowych na ogólną wydajność farm wiatrowych. Zwiększenie wydajności farm wiatrowych ma zasadnicze znaczenie dla poprawy rentowności i integracji z siecią. Proponujemy utworzenie trzech farm wiatrowych, z których każda ma taką samą moc, ale różni się mocą poszczególnych turbin 1,5 kW, 3,4 kW i 5,1 kW, następnie optymalizujemy ich wydajność w środowisku symulacyjnym. Wykorzystując algorytm optymalizacji HOMER Pro, oceniamy wszystkie farmy wiatrowe przez okres jednego roku, biorąc pod uwagę prędkość wiatru, temperaturę i współrzędne geoprzestrzenne. Chociaż wszystkie farmy wiatrowe mają taką samą moc całkowitą, wyniki symulacji ujawniły różnice w ich zdolnościach generacyjnych, sięgające nawet 22%, faworyzując farmę z mniejszymi turbinami. Co więcej, wyniki wykazały, że wraz ze spadkiem prędkości wiatru wzrasta rozbieżność w wytwarzaniu energii między farmami wiatrowymi, osiągając 51,9% w listopadzie, miesiącu o najniższych prędkościach wiatru. Wyniki te zapewniają kompleksowe zrozumienie zachowania farm wiatrowych, w szczególności w odniesieniu do rozmiarów turbin, i przyczyniają się do wysiłków społeczności badawczej w celu zwiększenia produkcji energii przez farmy wiatrowe w regionach o niskiej prędkości wiatru. Pomagają również znaleźć rozwiązania umożliwiające wykorzystanie energii wiatrowej i zmniejszenie zużycia paliw kopalnych w takich regionach, wypełniając ich międzynarodowe zobowiązania w zakresie zrównoważonego rozwoju.

Słowa kluczowe:

optymalizacja turbin wiatrowych, farmy wiatrowe, HOMER, regiony o niskiej prędkości wiatru, dobór wielkości turbin wiatrowych

Bibliografia

[1] The Atmospheric Science Data Center (ASDC): NASA Earth Science Data. NASA [https://earthdata.nasa.gov/eosdis/daacs/asdc] (available: 24.03.2024).

[2] Al-Ansari N., Pusch R., Knutsson S.: Suggested landfill sites for hazardous waste in Iraq. Natural Science 5(4), 2013, 463–477.

[3] Al-Taai O. T., Wadi Q. M., Al-Tmimi A. I.: Assessment of a viability of wind power in Iraq. American Journal of Electrical Power and Energy Systems 3(3), 2014, 60–70 [https://doi.org/10.11648/j.epes.20140303.12].

[4] Al-ubeidi K. M. Y.: Assessment of Wind speed for Electricity Generation in Technical Institute/Mosul. Journal of Kerbala University 10(3), 2012.

[5] Arroyo A. et al.: CO2 footprint reduction and efficiency increase using the dynamic rate in overhead power lines connected to wind farms. Applied Thermal Engineering 130, 2018, 1156–1162.

[6] Byrne R. et al.: A comparison of four microscale wind flow models in predicting the real-world performance of a large-scale peri-urban wind turbine, using onsite LiDAR wind measurements. Sustainable Energy Technologies and Assessments 46, 2021, 101323 [https://doi.org/10.1016/j.seta.2021.101323].

[7] Da Silva A. I. R. D. et al.: Aerodynamic interference caused by wake effects of repowered wind farms on the annual energy production in neighboring wind farms. Sustainable Energy Technologies and Assessments 64, 2024, 103704 [https://doi.org/10.1016/j.seta.2024.103704].

[8] Dihrab S. S., Sopian K.: Electricity generation of hybrid PV/wind systems in Iraq. Renewable Energy 35(6), 2010, 1303–1307.

[9] Hassoon A. F.: Assessment potential wind energy in the north area of Iraq. International Journal of Energy and Environment 4(5), 2013, 807–814.

[10] Hu W. et al.: Wind farm layout optimization in complex terrain based on CFD and IGA-PSO. Energy 288, 2024, 129745.

[11] Ibrahim M. H., Ibrahim M. A.: Solar-Wind Hybrid Power System Analysis Using Homer for Duhok, Iraq. Przegląd Elektrotechniczny 97(9), 2021.

[12] Ibrahim M. H., Ibrahim M. A.: Modelling and Analysis of SA-SPV System with bi-directional inverter for lighting load. Przegląd Elektrotechniczny 98(5), 2022.

[13] Ibrahim M. H., Ibrahim M. A., Khather S. I.: Hydrogen solar pump in nocturnal irrigation: A sustainable solution for arid environments. Energy Conversion and Management 304, 2024, 118219.

[14] Iqbal R. et al.: Comparative study based on techno-economics analysis of different shipboard microgrid systems comprising PV/wind/fuel cell/battery/diesel generator with two battery technologies: A step toward green maritime transportation. Renewable Energy 221, 2024, 119670.

[15] Kazem H. A., Chaichan M. T.: Status and future prospects of renewable energy in Iraq. Renewable and Sustainable Energy Reviews 16(8), 2012, 6007–6012.

[16] Li C., Liu L., Lu X.: A grouping strategy for reinforcement learning-based collective yaw control of wind farms. Theoretical and Applied Mechanics Letters 14(1), 2024, 100491 [https://doi.org/10.1016/j.taml.2024.100491].

[17] Mittal P., Christopoulos G., Subramanian S.: Energy enhancement through noise minimization using acoustic metamaterials in a wind farm. Renewable Energy 224, 2024, 120188 [https://doi.org/10.1016/j.renene.2024.120188].

[18] Wafa'a W. A. A., Fouad S. F.: Tectonic and structural evolution of Al-Jazira area. Iraqi Bulletin of Geology and Mining 3, 2009.

[19] United Nations: "Sustainable Development Goals" United Nations Sustainable Development, 2024 [https://sdgs.un.org/goals].

[20] Sagbansua L., Balo F.: Decision making model development in increasing wind farm energy efficiency. Renewable Energy 109, 2017, 354–362.

[21] Wang Q. et al.: Synchronized optimization of wind farm start-stop and yaw control based on 3D wake model. Renewable Energy 223, 2024, 120044.

[22] Yadav H. K. et al.: Diurnal variations in wind power density analysis for optimal wind energy integration in different Indian sites. Sustainable Energy Technologies and Assessments 64, 2024, 103744.

[23] Zahedi A., AL-bonsrulah H. A., Tafavogh M.: Conceptual design and simulation of a stand-alone Wind/PEM fuel Cell/Hydrogen storage energy system for off-grid regions, a case study in Kuhin, Iran. Sustainable Energy Technologies and Assessments 57, 2023, 103142.

[24] Zhang D. et al.: Bilevel optimization of non-uniform offshore wind farm layout and cable routing for the refined LCOE using an enhanced PSO. Ocean Engineering 299, 2024, 117244.

[25] Zhang Z. et al.: Identification method of all-operating-point admittance model for wind farms considering frequency-coupling characteristics. International Journal of Electrical Power & Energy Systems 158, 2024, 109953.

[26] Zhu L. et al.: Multi-criteria evaluation and optimization of a novel thermodynamic cycle based on a wind farm, Kalina cycle and storage system: an effort to improve efficiency and sustainability. Sustainable Cities and Society 96, 2023, 104718 [https://doi.org/10.1016/j.scs.2023.104718].

OPTYMALIZACJA FARM WIATROWYCH: PORÓWNAWCZE ZWIĘKSZENIE WYDAJNOŚCI W WARUNKACH NISKIEJ PRĘDKOŚCI WIATRU. (2024). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 14(4), 46-51. https://doi.org/10.35784/iapgos.6369

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 14 Nr 4 (2024)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja