Due to the intermittent nature of renewable sources, miss-matching between power generation and load power causes a deviation from the desired voltage and frequency in power supply. To solve this problem, a new control technique has been proposed for the power flow control with the unified power flow controller (UPFC) in grid-connected hybrid renewable energy systems such as photovoltaic-wind. The proposed control technique combines the binary version of the grey wolf optimization (bGWO) and recurrent neural network (RNN). Here, bGWO is utilized to generate the dataset of control signals for shunt and series converters of the UPFC. Based on the accomplished dataset, the RNN technique performs and predicts the optimal control signals of the UPFC. Likewise, the proposed control scheme regulates the voltage deviation and minimizes the power losses simultaneously. Then, the proposed model is executed in Matrix Laboratory/Simulink working stage and the execution is assessed with the existing techniques such as fuzzy logic controller, improved particle swarm optimization and grey wolf optimization. The optimized gain parameters and elapsed time of the proposed and existing technique is also analysed. The optimized gain parameters such as KpKi of the proposed hybrid technique are 2.5 and 150. The elapsed time of the proposed technique is 30.15sec. Overall, the comparison results demonstrate the superiority of the proposed technique and confirm its potential to solve the above-mentioned problems.

中文翻译：

---

并网混合可再生能源系统统一潮流控制器采用精英控制策略进行潮流控制

由于可再生能源的间歇性，发电和负载功率之间的不匹配会导致电源电压和频率与所需电压的偏差。为了解决这个问题，提出了一种新的控制技术，用于在光伏-风能等并网混合可再生能源系统中使用统一潮流控制器（UPFC）进行潮流控制。所提出的控制技术结合了灰狼优化 (bGWO) 和循环神经网络 (RNN) 的二进制版本。在这里，bGWO 用于生成 UPFC 的并联和串联转换器的控制信号数据集。基于完成的数据集，RNN 技术执行和预测 UPFC 的最佳控制信号。同样地，建议的控制方案调节电压偏差并同时最小化功率损耗。然后，在矩阵实验室/Simulink 工作阶段执行所提出的模型，并使用现有技术（如模糊逻辑控制器、改进粒子群优化和灰狼优化）评估执行情况。还分析了所提出的和现有技术的优化增益参数和经过时间。所提出的混合技术的优化增益参数如 KpKi 为 2.5 和 150。所提出技术的经过时间为 30.15 秒。总体而言，比较结果证明了所提出技术的优越性，并证实了其解决上述问题的潜力。提出的模型在矩阵实验室/Simulink 工作阶段执行，并使用现有技术（如模糊逻辑控制器、改进粒子群优化和灰狼优化）评估执行情况。还分析了所提出的和现有技术的优化增益参数和经过时间。所提出的混合技术的优化增益参数如 KpKi 为 2.5 和 150。所提出技术的经过时间为 30.15 秒。总体而言，比较结果证明了所提出技术的优越性，并证实了其解决上述问题的潜力。提出的模型在矩阵实验室/Simulink 工作阶段执行，并使用现有技术（如模糊逻辑控制器、改进的粒子群优化和灰狼优化）评估执行情况。还分析了所提出的和现有技术的优化增益参数和经过时间。所提出的混合技术的优化增益参数如 KpKi 为 2.5 和 150。所提出技术的经过时间为 30.15 秒。总体而言，比较结果证明了所提出技术的优越性，并证实了其解决上述问题的潜力。还分析了所提出的和现有技术的优化增益参数和经过时间。所提出的混合技术的优化增益参数如 KpKi 为 2.5 和 150。所提出技术的经过时间为 30.15 秒。总体而言，比较结果证明了所提出技术的优越性，并证实了其解决上述问题的潜力。还分析了所提出的和现有技术的优化增益参数和经过时间。所提出的混合技术的优化增益参数如 KpKi 为 2.5 和 150。所提出技术的经过时间为 30.15 秒。总体而言，比较结果证明了所提出技术的优越性，并证实了其解决上述问题的潜力。