کنترل پیشرفته سیستم توربین بادی مبتنی بر ژنراتور القایی با تغذیه دوبل با استفاده از کنترل کننده سفارش کسری به کمک محاسبات نرم


در حال حاضر بسیاری از چارچوب‌های توربین بادی (WT) در سرتاسر جهان ارسال می‌شوند تا انرژی باد را مهار کنند تا نیاز به انرژی پایدار پاک را برآورده کنند. به دلیل سرعت بالا، توربین‌های بادی در اکثر موارد روزانه برای نیروگاه‌های بادی مورد استفاده قرار می‌گیرند. با توجه به سازگاری و توانایی کنترل توان پویا و پاسخگو جدا، WT مبتنی بر DFIG جذاب ترین نوآوری توربین نسیم است. علاوه بر این، در مقایسه با WTs با سرعت ثابت، از نظر مالی با کمترین بدبختی های قدرت و بهره وری انرژی قابل توجه تر است. DFIG همچنین عملکرد چهار ربعی و قابلیت های عملکردی متنوعی را ارائه می دهد [1]. کنترل سرعت DFIG-WT در حدود 67 تا 133 درصد سرعت سنکرون با تنظیم جریان و جهت قدرت روتور امکان پذیر است. [2]. طراحی هر سیستمی بر رفتار کنترل تاثیر می گذارد [3]. فعالیت و کنترل DFIG متصل به شبکه یک وظیفه حیاتی است و نیاز به مقابله با جریان قدرت بین چارچوب و DFIG است. انواع مختلفی از جغرافیای کنترل برای کنترل فعالیت DFIG WT در دسترس هستند. یک بررسی دقیق از این تعداد زیادی از پیشرفت های کنترلی در معرفی شده است [4] با جدیدترین الگوهای کنترلی و توجه به این نکته جلب شد که هنوز نیاز به ساختار کنترلی مدرن تری وجود دارد که بتواند با غیرخطی های موجود در چارچوب مقابله کند.

توسعه طرح معاملاتی روز آینده انرژی بادی برای ریزشبکه چند انرژی (MEMG) به شدت به نتیجه ارزیابی دقیق قابلیت تطبیق برق بادی (WPAC) بستگی دارد. [5]. یک WPAC مبتنی بر تولید ستون و محدودیت در آن شبیه سازی شده است [5] برای سیستم قدرت مدل اتوبوس IEEE-33 در یک MEMG. برای یک ریزشبکه شبکه توزیع شده (DNM) با توربین بادی (WT)، باتری و سیستم فتوولتائیک (PV)، [6] یک استراتژی مدیریت انرژی کارآمد بر اساس رویکرد اولیه-دوگانه ضرایب (PDMM) پیشنهاد کرد. روش فازی اولیه-دوگانه ضریب (PDMM) در ارائه شده است [7] برای مدیریت مشکل زمان‌بندی انرژی بهینه در شبکه‌های هوشمند گسترش و افزودن تعداد بیشتری از توربین‌های بادی در یکپارچگی شبکه مستلزم توجه جدی‌تر به مسائل پایداری و امنیتی است. ادغام نیروی باد نه تنها ساختار شبکه را تغییر می دهد، بلکه ویژگی های میرایی سیستم قدرت را نیز تغییر می دهد [8].

انتگرال تناسبی معمولی (PI) به دلیل سادگی، رایج ترین انتخاب در بسیاری از کاربردهای سیستم قدرت است. از دهه گذشته کنترل ترتیب کسری حوزه دیگری از تئوری کنترل است که در بسیاری از کاربردها مورد بررسی و استفاده قرار گرفته است. بسیاری از محققان اخیراً تکنیک‌هایی را برای بهبود عملکرد کنترل ترتیب کسری در کاربردهای مختلف مطالعه و نشان داده‌اند. نویسندگان در [9] بررسی عملکرد کنترل تولید خودکار مرتبه کسری (FO) برای سیستم تولید انرژی پراکنده با کنترلر تنظیم شده PSO. یک کنترل‌کننده فازی تطبیقی ​​FO پیشنهاد شد [10] برای یک WESC مبتنی بر DFIG و منجر به قانون کنترل تطبیقی ​​دقیق تر و قوی تر می شود. که در [11]یک کنترل کننده FOPID با بهینه سازی حرکت براونی گاز (GBMO) برای کاهش فرکانس و انحراف توان در شبکه سیستم قدرت دو ناحیه ای پیشنهاد شد. کنترل کننده حالت کشویی کسری پیشنهاد شده در [12] برای برخی از سیستم‌های مرتبه کسری تک ورودی و چند ورودی که در معرض عدم قطعیت‌ها و اختلالات قرار دارند در رد اختلال عملکرد مؤثری دارند. یک سیستم کنترل فرکانس جدید با استفاده از ترکیبی از کنترل‌کننده پیش‌بینی مدل تطبیقی ​​(AMPC) و تخمین‌گر مدل چندجمله‌ای بازگشتی (RPME) ادغام‌شده با DFIG-WT ارائه شده است. [13] و موثرتر از MPC معمولی بود.

بسیاری از الگوریتم‌های بهینه‌سازی با الهام از زیستی نیز برای بهینه‌سازی پارامتر کنترل FOPID برای افزایش قابلیت عملکرد آن پیشنهاد شدند. چنین تکنیک‌های بهینه‌سازی برای کنترل سیستم WT مبتنی بر DFIG برای بهبود عملکرد آن با بهینه‌سازی کنترل‌کننده‌های انتگرال-نسبی (PI) پیشنهاد شده‌اند. بهینه ساز گرگ خاکستری (GWO) [14]، GA [15]، PSO [16]، [17]بهینه سازی کلونی زنبور عسل [18]و الگوریتم بهینه سازی نهنگ (WOA) [19]، برخی از روش های بهینه سازی معمولی هستند که در کنترل سیستم DFIG-WT استفاده می شوند. یک کنترل منطق فازی مبتنی بر ردیابی نقطه حداکثر توان (MPPT) برای سیستم انرژی باد در مورد بحث قرار گرفته است [20] که سرعت و دقت کنترل MPPT را بهبود می بخشد.

بیشتر بهینه‌سازی‌های هوشمند ازدحام و تکاملی به عنوان الگوریتم‌های احتمالی شناخته می‌شوند. این الگوریتم ها اساساً برای مقداردهی اولیه خود به عوامل حاکم مانند اندازه جمعیت، تعداد نسل ها، اندازه نخبگان و غیره نیاز دارند. عملکرد این الگوریتم ها به تنظیم پارامترهای صریح الگوریتم نیز بستگی دارد که به نوبه خود عامل بسیار مهمی در بهینه سازی است. با توجه به همه این حقایق، رائو و همکاران. که در [21] الگوریتم بهینه‌سازی مبتنی بر یاددهی-یادگیری (TLBO) را پیشنهاد کرد که شامل هیچ گونه محدودیت خاص الگوریتم نیست. الگوریتم TLBO فقط شامل پارامترهایی مانند اندازه جمعیت و تعداد نسل برای کار خود می شود. کاربردهای مختلف TLBO به همراه آموزش آن ارائه شده است [22]. طراحی و تحلیل عملکرد کنترلر PID مبتنی بر الگوریتم TLBO برای LFC در ارائه شده است [23] و برتر یافت. که در [24] TLBO برای طراحی یک کنترل کننده PID فازی جدید برای AGC سیستم حرارتی دو ناحیه نابرابر به هم پیوسته استفاده شد. TLBO همچنین در زمینه هایی مانند منابع انرژی توزیع شده استفاده شده است [25] و کنترل MPPT [26] در سیستم فتوولتائیک خورشیدی

آ. شکاف های تحقیقاتی

با بررسی رفتار سیستم و استراتژی‌های کنترل با استفاده از شبیه‌سازی و آزمایش، زمینه‌ای برای افزایش پایداری سیستم در طیف گسترده‌ای وجود دارد.

نیاز به توسعه استراتژی های کنترل قوی با در نظر گرفتن مدل واقعی سیستم WECS و تغییرات پارامتری که به بهبود مسائل پایداری کمک می کند.

نیاز به گسترش استفاده از کنترل کننده های بهینه مرتبه کسری با درجه آزادی بیشتر با تحقق زمان واقعی برای کنترل DFIG وجود دارد.

زمینه ای برای پیشنهاد الگوریتم های بهینه سازی فراابتکاری و ترکیبی برای تنظیم کارآمد پارامترهای کنترل کننده PID مرتبه کسری وجود دارد.

ب انگیزه و مشارکت

کنترل کلی DFIG برای عملیات کارآمد و پایدار یک حوزه تحقیقاتی است که هم چالش‌های نظری و هم اهمیت عملی را ارائه می‌کند، با مسائل فنی منحصربه‌فرد مانند تعاملات، عدم قطعیت‌های محیطی، پایداری، غیرخطی و غیره. برای دستیابی به اهداف ذکر شده در بالا، روش‌شناسی مناسب باید انجام شود برای مقابله با این مسائل انتخاب شده است. در میان بسیاری از الگوریتم های پیشنهاد شده در ادبیات، PSO یکی از مواردی است که بیشتر مورد استفاده قرار می گیرد. با توجه به عوامل مختلف، بهینه سازی ازدحام ذرات (PSO) بیشتر مورد استفاده قرار می گیرد و بهترین نتایج و موثرترین راه حل ها را ایجاد می کند. [27]. GA توسط بسیاری از محققان برای بهینه سازی سود PID پیشنهاد شده است، اگرچه زمان بیشتری می برد و در حین جستجو برای بهینه جهانی راکد می شود. GA در این کار تحقیقاتی مورد استفاده قرار می گیرد زیرا با اشاره به بهینه سازی PID مرتبه کسری بیشتر مورد بررسی قرار نگرفته است.

سهم مهم این مقاله به شرح زیر است:

برای استفاده و ایجاد مناسب بودن کنترلر PI مرتبه کسری برای کنترل توان اکتیو و راکتیو در یک سیستم WT مبتنی بر DFIG

طراحی و شبیه سازی کنترل سفارش کسری به کمک TLBO برای افزایش عملکرد کنترل توان اکتیو و راکتیو در سیستم برق بادی مبتنی بر DFIG.

برای مقایسه نتایج شبیه‌سازی به‌دست‌آمده با استفاده از TLBO با GA و PSO کنترل مرتبه کسری بهینه‌سازی شده برای تجزیه و تحلیل عملکرد سیستم.

بقیه این مقاله به صورت زیر سازماندهی شده است: بخش دوم این مقاله، نظریه کنترل نظم کسری و اهمیت آن را مورد بحث قرار می دهد. مدل سازی دینامیکی DFIG با ساختار کنترل آن در بخش III نشان داده شده است در حالی که طرح کنترل پیشنهادی با الگوریتم GA، PSO و TLBO در بخش IV توضیح داده شده است. نتایج شبیه سازی و بحث با تجزیه و تحلیل مقایسه ای در بخش V ارائه شده است. در نهایت اظهارات پایانی با دامنه کار آینده در بخش VI آورده شده است.


ترجمه و ارائه توسط: ttmnews