Many emerging economies, including the BRICS economies, are having difficulty meeting the Sustainable Development Goals' (SDGs) objectives. Consequently, this research discusses the creation of an SDG framework for the BRICS economies, which can be utilized as a model for other blocs. To achieve this purpose, this research probes into the effect of biomass energy usage on ecological footprint in the BRICS economies between 1992 and 2018, considering the roles of gross capital formation, natural resources, and globalization. The novel Methods of Moments-Quantile-Regression (MMQR) approach with fixed effects is used, the outcomes of which reveal that in all quantiles (10th to 90th), globalization and biomass energy use mitigate environmental degradation, whereas economic growth, natural resources, and gross capital formation contribute to environmental degradation. The present research applied a series of techniques such as panel FMOLS, and DOLS, FE-OLS, the outcomes of which disclosed that globalization and biomass energy utilization help mitigate environmental degradation, while economic growth, natural resources, and gross capital formation improve environmental degradation. On the basis of the study's findings, we suggest a shift in energy policies away from fossil fuels toward renewable energy alternatives by taking measures regarding the innovation of biomass to improve conversion efficiency.

Abstract Deploying distributed generators (DGs) supplied by renewable energy resources poses a significant challenge for efficient power grid operation. The proper sizing and placement of DGs, specifically photovoltaics (PVs) and wind turbines (WTs), remain crucial due to the uncertain characteristics of renewable energy. To overcome these challenges, this study explores an enhanced version of a meta-heuristic technique called the prairie dog optimizer (PDO). The modified prairie dogs optimizer (mPDO) incorporates a novel exploration phase inspired by the slime mold algorithm (SMA) food approach. The mPDO algorithm is proposed to analyze the substantial effects of different dynamic load characteristics on the performance of the distribution networks and the designing of the PV-based and WT-based DGs. The optimization problem incorporates various operational constraints to mitigate energy loss in the distribution networks. Further, the study addresses uncertainties related to the random characteristics of PV and WT power outputs by employing appropriate probability distributions. The mPDO algorithm is evaluated using cec2020 benchmark suit test functions and rigorous statistical analysis to mathematically measure its success rate and efficacy while considering different type of optimization problems. The developed mPDO algorithm is applied to incorporate both PV and WT units, individually and simultaneously, into the IEEE 69-bus distribution network. This is achieved considering residential, commercial, industrial, and mixed time-varying voltage-dependent load demands. The efficacy of the modified algorithm is demonstrated using the standard benchmark functions, and a comparative analysis is conducted with the original PDO and other well-known algorithms, utilizing various statistical metrics. The numerical findings emphasize the significant influence of load type and time-varying generation in DG planning. Moreover, the mPDO algorithm beats the alternatives and improves distributed generators' technical advantages across all examined scenarios.

In the original publication [...]

Abstract This paper presents two modified versions of the Tasmanian Devil Optimization (TDO) for dealing with the optimal power flow (OPF) problem in both conventional and advanced power systems. The original TDO is enhanced with two distinct constraint handling techniques: weighted factors (WF) in addition to the superiority of feasible solutions (SF).The two developed algorithms (TDO-WF and TDO-SF) are applied to tackle both single and multi-objective functions of the OPF problem. Two test systems are used for verifying the two developed algorithms in different case studies. The first test system is the IEEE-30 bus system in its conventional form, while the second system is an advanced version of the IEEE-30 bus system that contains three distinct sorts of renewable energy plants and a variable load. The MATLAB software is used for simulation purposes. The two developed algorithms overcame the problem of violating the system’s constraints in the original TDO and achieved better results than alternative approaches in the related research. A statistical analysis and a Wilcoxon signed rank test are carried out to define the best one of the two developed techniques. The results of the two suggested techniques are quite similar, and we verified the validity of both of them to tackle the OPF problem in both conventional and advanced power systems.

The triple-active bridge (TAB) converter is widely used in various applications due to its high efficiency and power density. However, the high-frequency (HF) transformer coupling between the ports presents challenges for controller design. This article presents a model predictive control (MPC) approach based on single-phase shift modulation for the TAB converter. The developed MPC offers improved transient performance, control flexibility, and precision, ensuring compliance with DC voltage regulations and achieving optimal solutions for port decoupling. The MPC utilizes a cost function to provide robust voltage regulation, and an algorithm based on Karush-Kuhn-Tucker (KKT) conditions is developed to derive closed-form solutions for optimal control parameters. To validate the performance of the TAB converter with the proposed MPC control, Typhoon 602 hardware-in-loop (HIL) experimental case study is conducted. Additionally, a comparison with previous works is carried out to confirm the effectiveness of the proposed method. The results of the HIL experimental setup and the comparative analysis demonstrate that the developed method is effective, providing faster dynamic characteristics and port power decoupling operation capability.