التحكم الهجين الذكي في أنظمة تحويل طاقة الرياح لتحسين الاستقرار والكفاءة
DOI:
https://doi.org/10.65405/xq43jr19الكلمات المفتاحية:
أنظمة تحويل طاقة الرياح؛ التحكم الذكي؛ التحكم الهجين؛ المنطق الضبابي؛ الشبكات العصبية الاصطناعية؛ استقرار الأنظمة؛ كفاءة الطاقةالملخص
أدى التوسع المتزايد في دمج طاقة الرياح ضمن أنظمة القدرة الحديثة إلى ظهور تحديات جوهرية تتعلق بالاستقرار والكفاءة والموثوقية، وذلك نتيجة للطبيعة المتقلبة وغير الخطية لمصادر الرياح. وتُظهر تقنيات التحكم التقليدية، مثل متحكمات التناسب–التكامل والتناسب–التكامل–التفاضل، أداءً محدودًا عند التعامل مع التغيرات السريعة في سرعة الرياح وظروف التشغيل غير المؤكدة. يقدّم هذا البحث إطارًا للتحكم الهجين الذكي في أنظمة تحويل طاقة الرياح، يهدف إلى تحسين الاستقرار الديناميكي وتعظيم استخلاص الطاقة في ظل ظروف رياح عالية التذبذب. ويعتمد الإطار المقترح على دمج تقنيات التحكم الذكي، بما في ذلك التحكم الضبابي، والشبكات العصبية الاصطناعية، وخوارزميات التحسين التطوري، للاستفادة من نقاط القوة التكاملية لكل منها في التعامل مع اللاخطية وعدم اليقين والتكيف اللحظي. ويسمح هذا الدمج بين آليات التعلم والاستدلال بتنظيم تكيفي للمتغيرات التشغيلية الأساسية مثل سرعة الدوران، ومعامل القدرة، وزاوية ميل الريش. وأيضا يعتمد البحث منهجًا تحليليًا موجّهًا نحو التحكم، مدعومًا بالنمذجة الرياضية لديناميكيات توربينات الرياح، موضحًا تفوق استراتيجيات التحكم الهجين الذكي على الأساليب التقليدية من حيث الاستقرار والكفاءة والمتانة التشغيلية. وتوفّر النتائج أساسًا نظريًا ومنهجيًا لتصميم أنظمة تحكم متقدمة لمحطات طاقة الرياح، بما يدعم دمجًا أكثر موثوقية وكفاءة لمصادر الطاقة المتجددة في الشبكات الكهربائية الحديثة والأنظمة المعزولة.
التنزيلات
المراجع
• Benbouhenni, H., Yahdou, A., Elbarbary, Z. M. S., & Colak, I. (2025). Management of power in single rotor wind turbine systems using fuzzy controller based on fractional order error approaches. Scientific Reports, 15, 12696. https://doi.org/10.1038/s41598-025-97886-4
• Guerrero, J. M., Chandorkar, M., Lee, T.-L., & Loh, P. C. (2013). Advanced control architectures for intelligent microgrids Part I: Decentralized and hierarchical control. IEEE Transactions on Industrial Electronics, 60(4), 1254–1262. https://doi.org/10.1109/TIE.2012.2194969
• Khallouf, K. N., Laid, Z., Benbouhenni, H., Naamane, D., & Elbarbary, Z. M. S. (2024). Adaptive fuzzy logic control for microgrid-connected hybrid photovoltaic/wind generation systems. Energy Reports, 12, 4741–4756. https://doi.org/10.1016/j.egyr.2024.10.042
• Lund, H., Østergaard, P. A., Connolly, D., & Mathiesen, B. V. (2017). Smart energy and smart energy systems. Energy, 137, 556–565. https://doi.org/10.1016/j.energy.2017.05.123
• Maroua, B., Laid, Z., Benbouhenni, H., Elbarbary, Z. M. S., Colak, I., & Alammar, M. M. (2025). Genetic algorithm type 2 fuzzy logic controller of microgrid system with a fractional-order technique. Scientific Reports, 15, 6318. https://doi.org/10.1038/s41598-025-90239-1
• Shen, Y., Wu, Y., Zhang, C., & Guerrero, J. M. (2023). Artificial intelligence applications for microgrids integration and management of hybrid renewable energy sources. Artificial Intelligence Review, 56, 889–926. https://doi.org/10.1007/s10462-023-10410-w
• Zadeh, L. A., Jang, J. S. R., & Sun, C. T. (2022). Neuro fuzzy and soft computing approaches in renewable energy systems: A review. Renewable and Sustainable Energy Reviews, 158, 112087. https://doi.org/10.1016/j.rser.2022.112087
• Zhao, H., Wu, Q., Wang, J., & Shahidehpour, M. (2022). Review of energy storage system for wind power integration support. Applied Energy, 137, 545–553. (Original work published 2014)
• Åström, K. J., & Wittenmark, B. (2013). Adaptive control (2nd ed.). Dover Publications.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة العلوم الشاملة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
