توضیحات
Online PSO-Based Fuzzy Tuning Approach: Intelligent Frequency Control in an AC Microgrid
کنترل فرکانس هوشمند در یک ریزشبکه AC: تکنیک تنظیم فازی مبنی بر PSO آنلاین
بخشی از ترجمه مقاله:
چکیده ــ سیستم های قدرت مدرن، نیازمند افزایش هوش و انعطاف پذیری در کنترل و بهینه سازی هستند، تا از قابلیت تثبیت تعادل میان بار و تولید _به دنبال تداخلات جدی_ اطمینان حاصل شود.
این قضیه امروز، به سبب افزایش تعداد ریزشبکه ها (MG)، در حال یافتن اهمیتی بیش از پیش است.
ریزشبکه ها اغلب از انرژی های تجدیدپذیر برای تولید توان الکتریکی استفاده می کنند، که تولید توان با این انرژی ها، طبیعتا متغیر است.
این تغییرات و عدم قطعیت های رایج در سیستم قدرت، موجب می شود که کنترل کننده های قدیمی نتوانند عملکرد مناسبی را در بازه های گسترده شرایط عملیاتی، ارایه دهند.
در پاسخ به این چالش، این مقاله یک روش هوشمند آنلاین جدید را، با آمیختن تکنیک های منطق فازی و بهینه سازی ازدحام ذرات (PSO)، برای تنظیم بهینه ی معروف ترین کنترل کننده های مبتنی بر تناسبی-انتگرالی (PI) در سیستم های میکرو شبکه، ارایه می دهد.
این روش طراحی کنترل، بر روی یک ریزشبکه AC _به عنوان مورد آزمایشی_ تست شده است.
عملکرد ترکیب کنترلی هوشمند ارایه شده، با روش های کنترل PI کاملا فازی و کنترل PI زیگلر-نیکولز، مقایسه شده است.
گزارش شبیه سازی با متلب
سیستم متشکل از اجزای مختلف شامل توربین باد ، صفحات خورشیدی و پیل سوختی وغیره مطابق شکل زیر
شبیه سازی می گردد. در شبیه سازی اجزا از [2] استفاده گردیده است.
در ادامه کنترل کننده PID برای تنظیم فرکانس با سه روش متفاوت طراحی می گردد.
کنترل کننده PID ساده
نتایج کنترل کننده PID در شکل زیر مشخص شده است. ضرایب مطابق با مقاله [ ] و با استفاده از جداول نیکولز بدست می آید.
شکل 2
کنترل کننده فازی PID
در این بخش ضرایب کنترل کننده با استفاده از سیستم فازی طراحی شده با قوانین و توابع عضویت ثابت معین می شوند.
شکل 3
کنترل کننده PID فازی و بهینه شده با الگوریتم پرندگان
تعیین توابع عضویت ورودی ها و خروجی ها در یک سیستم فازی همیشه به عنوان یک چالش اولیه مطرح می گردد.
در این بخش با استفاده از یک الگوریتم بهینه سازی و با تعیین یک تابع معیار که به صورت انتگرال خطا تعیین شده است ، این توابع عضویت در بهترین شکل خود بدست می آیند. نتایج به صورت زیر قابل نمایش است.
شکل 4
در شکل زیر عملکرد سه الگوریتم مقایسه شده اند. همانطور که در شکل دیده می شود کنترل کننده سوم سرعت بیشتری دارد.
در شکل 6 مقدار تابع هزینه را در تکرارهای مختلف مشخص گردیده است.
شکل 5
شکل 6
تست رباستنس
با اعمال تغییرات در پارامترهای سیستم عملکرد هرکدام از کنترلر ها در سیستم با وجود عدم قطعیت پارامتری تست گردیده است.
شکل زیر عملکرد این سه کنترلر را مقایسه کرده است. با توجه به شکل کنترل کننده نوع اول قادر به تنظیم فرکانس نبوده و سیستم ناپایدار می باشد.
شکل 7
مراجع :
[1] H. Bevrani, Senior Member, IEEE, F. Habibi, P. Babahajyani, M. Watanabe, Member, IEEE, and, Intelligent Frequency Control in an AC Microgrid.
[2] Y. Mitani, Member, IEEE,Online PSO-Based Fuzzy Tuning ApproachPrakash K. Ray,Soumya R. Mohanty,Nand KishorSMALL–SIGNAL ANALYSIS OF AUTONOMOUS HYBRID,DISTRIBUTED GENERATION SYSTEMS IN PRESENCE OF ULTRACAPACITOR AND TIE–LINE OPERATION.
کلید واژه :
Fuzzy logic, intelligent control, microgrid, optimal tuning, particle swarm optimization, secondary frequency control
منطق فازی, کنترل هوشمند, ریزشبکه, تنظیم بهینه, بهینه سازی ازدحام ذره, کنترل فرکانس ثانویه
شبیه سازی
Online PSO-Based Fuzzy Tuning Approach: Intelligent Frequency Control in an AC Microgrid
مطابق توضیحات فوق تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
