ترجمه فارسی عنوان مقاله

کنترل توان راکتیو مزرعۀ بادی DFIG با استفاده از کنترلر یادگیری تکمیلی بر اساس برنامه‌نویسی پویای تقریبی

عنوان انگلیسی

Reactive Power Control of DFIG Wind Farm Using Online Supplementary Learning Controller Based on Approximate Dynamic Programming

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
53156	2014	8 صفحه PDF

منبع

Publisher : IEEE (آی تریپل ای)

Journal : Neural Networks (IJCNN), 2014 International Joint Conference on, Date of Conference: 6-11 July 2014 Page(s): 1453 - 1460 Print ISBN: 978-1-4799-6627-1

فهرست مطالب ترجمه فارسی

چکیده

مقدمه

کنترل ولتاژ و توان راکتیو در سیستم‌های توزیع مرسوم

تپ چنجر روی بار و خازن‌های شنت به منظور کنترل ولتاژ و توان راکتیو

فرمول‌بندی

روش ارائه شده

کنترل ولتاژ و توان راکتیو در حضور تولید پراکنده

مطالعه‌ی موردی

تغییر ولتاژ نای از تغییر بار، کلیدزنی خازن و عملکرد OLTC

کنترل محلی ولتاژ و توان راکتیو

کنترل ترکیب محلی و دوردست ولتاژ و توان راکتیو

نتیجه‌گیری

ترجمه‌ی شکل‌ها:

شکل1. دیاگرام تک خطی سیستم ساده‌ی دو باس.

شکل2. دیاگرام تک خطی به منظور تشریح کنترل ولتاژ و توان راکتیو.

شکل3. دیاگرام مفهومی کنترل ارائه شده برای ولتاژ و توان راکتیو.

شکل4. دیاگرام تک خطی سیستم تحت مطالعه.

شکل5. توان اکتیو پیش‌بینی شده تقاضای بار و خروجی توربین بادی سیستم تحت مطالعه.

شکل6. دیاگرام تک خطی سیستم ساده‌ی دو باس با یک تغییر بار.

شکل7. OLTC و وضعیت خازن با کنترل محلی. خط توپر ضخیم خاکستری: مورد-1 (بدون DG)، خط‌چین: مورد-2 (با خروجی ثابت DG)، خط توپر نازک سیاه: مورد-3 (با خروجی متغیر DG).

شکل8. شاخص نوسان ولتاژ با کنترل محلی. سطر اول: مورد-1، سطر وسط: مورد-3، سطر آخر: مورد-2.

شکل9. ولتاژ در برخی از باس‌های انتخاب شده با کنترل محلی. خط توپر ضخیم خاکستری: مورد-1، خط‌چین: مورد-2، خط توپر نازک سیاه: مورد-3.

شکل10. OLTC و وضعیت خازن با کنترل محلی- دوردست. خط توپر ضخیم خاکستری: مورد-1، خط‌چین: مورد-2، خط توپر نازک سیاه: مورد-3.

شکل11. ولتاژ در برخی از باس‌های انتخاب شده با کنترل محلی- دوردست. خط توپر ضخیم خاکستری: مورد-1، خط‌چین: مورد-2، خط توپر نازک سیاه: مورد-3.

شکل12. شاخص نوسان ولتاژ با کنترل محلی. سطر اول: مورد-1، سطر وسط: مورد-3 ، سطر آخر: مورد-2.

شکل13. تلفات سیستم توزیع با کنترل محلی (خط توپر) و با کنترل محلی- دوردست (خط‌چین). نمودار بالا: مورد-1، نمودار وسط: مورد-2، نمودار پایین: مورد-3.

ترجمه‌ی جداول:

جدول1:تنظیمات OLTC و خازن‌ها

جدول2:تغییر ولتاژ [پریونیت] در باس ثانویه‌ی پست ناشی از یک افزایش بار 05/0 پریونیت از سطوح نشان داده شده

جدول3:تغییر ولتاژ [پریونیت] در باس ثانویه‌ی پست و باس‌های خازنی ناشی از سوئیچینگ خازن فیدر CF21

جدول4:تغییر ولتاژ [پریونیت] در باس ثانویه‌ی پست و باس‌های خازنی ناشی از عملکرد OLTC در یک پله بالاتر

جدول5 :کل عملکرد روزانه‌ی OLTC و خازن‌ها با کنترل محلی

جدول6:جدول‌بندی دیسپاچینگ دوردست OLTC و خازن‌های پست

جدول7:جدول‌بندی دیسپاچینگ دوردست OLTC و خازن‌ها با کنترل محلی- دوردست

ترجمه کلمات کلیدی

تابع هزینه - توان راکتیو - کنترل توان راکتیو، روتور، آموزش، کنترل ولتاژ، مزارع باد،

کلمات کلیدی انگلیسی

Cost function Reactive power Reactive power control, Rotors, Training, Voltage control, Wind farms,

ترجمه چکیده

- کنترل پویای توان راکتیو ژنراتورهای القائی با تغذیۀ دوگانه (DFIG ها) یک نقش بسیار حیاتی در حفظ پایداری گذرای سیستم‌های قدرتی ایفا می‌کند که در آنها تولید بادی مبتنی بر DFIG نفوذ بالایی دارد. بر اساس برنامه‌نویسسی پویای تقریبی (ADP) این مقاله یک کنترلر بهینۀ تطبیقی تکمیلی توان راکتیو را برای DFIG ها معرفی می‌کند. با افزودن یک سیگنال تنظیم اصلاح‌کننده به فرمان توان راکتیو کانورتر سمت روتور (RSC) یک DFIG، کنترلر تکمیلی به منظور کاهش شکم ولتاژ در نقطۀ اتصال مشترک (PCC) در طی یک خطا و نیز برای تخفیف نوسان توان اکتیو خروجی مزرعۀ بادی پس از وقوع یک خطا، طراحی می‌شود. در نتیجه، پایداری گذرای هر دوی DFIG و شبکۀ قدرت افزایش می‌یابد. یک تابع هزینۀ وابسته به عمل برای کنترل زمان واقعی و برخط یادگیری ADP معرفی می‌شود. علاوه بر این، یک الگوریتم تکرار سیاست با استفاده از روش حداقل مربعات راندمان بالا به منظور آموزش کنترلر تکمیلی به یک شیوۀ برخط مدل آزاد به کار می‌رود. با استفاده از چنین تکنیک‌هایی، کنترلر تکمیلی توان راکتیو به قابلیت بهینه‌سازی و سازگاری برخط مجهز می‌گردد. شبیه‌سازی‌های انجام گرفته روی یک سیستم قدرت محک در ترکیب با یک مزرعۀ بادی DFIG بزرگ نشان می‌دهد که کنترلر تکمیلی توان راکتیو مبتنی بر ADP قادر است به طور چشمگیر پایداری گذرای سیستم هنگام تغییرات شرایط کاری را بهبود دهد.

ترجمه مقدمه

در سال‌های اخیر رشد قابل توجهی در زمینۀ تولید بادی در سراسر جهان دیده شده است. به عنوان یکی از دسته‌بندی‌های مهم ژنراتورهای توان بادی، ژنراتورهای القائی با تغذیۀ دوگانه (DFIGها) به طور گسترده به کار می‌روند، که دلیل آن انعطاف‌پذیری بالا در کنترل توان اکتیو یا راکتیو و راندمان اقتصادی بالاست [1]، [2]. با افزایش سریع میزان نفوذ DFIG های متصل به شبکه، به تاثیر مزارع بادی DFIG روی پایداری سیستم قدرت، به خصوص در طی و پس از بروز یک خطای شدید، توجه زیادی شده است. معمولا، وقوع یک خطا در سیستم قدرت ممکن است موجب شکم ولتاژ در نقطۀ مشترک (PCC) مزرعۀ بادی شده و منجر به نامتعادلی موقت بین توان بادی ورودی و توان الکتریکی خروجی DFIGها شود. در نتیجه، هجوم‌های بزرگ جریانی می‌تواند در هر دو سیم‌پیچ استاتور یا روتور DFIGها رخ دهد. علاوه بر این، نامتعادلی توان ورودی- خروجی ممکن است لرزش‌های محور DFIG را به همراه داشته و باعث نوسانات فرکانس پایین توان خروجی مزرعۀ بادی شود [2]. در اینجا دو موضوع مهم برای طراحی کنترل DFIGها وجود دارد: اولی عبارت است از پیشگیری کانورترهای DFIG از دچار اضافه جریان شدن جهت حفظ بی‌وقفۀ عملکرد DFIGها در طی یک خطا، که آن را به عنوان مشکل کارکرد هنگام ولتاژ پایین (LVRT) می‌شناسند [3]؛ دومی عبارت است از کنترل مزارع بادی برای پشتیبانی از پایداری سیستم در طی و بعد از وقوع یک خطا، به شرط آنکه DFIG ها قادر باشند به طور موفقیت‌آمیز هنگام خطا کار کنند. برای پرداختن به مسائل فوق‌الذکر، کنترل پویای توان راکتیو مزرعۀ بادی به کرات استفاده می‌شود. در [2]، [4]، [5]، [6]، [7]، [8]، جبرانسازهای پویای توان راکتیو مثل جبرانسازهای سنکرون ایستا (STATCOM) و جبرانسازهای وار ایستا (SVC) به منظور جبرانسازی پویای توان راکتیو به کار گرفته شدند. با این حال، به دلیل معضلات اقتصادی، بیشتر مزارع بادی مبتنی بر DFIG به جبرانسازهای پویای توان راکتیو مجهز نیستند [9]. در چنین شرایطی، فرد مجبور است از قابلیت تنظیم پویای توان راکتیو خود DFIG از طریق کنترل مناسب بهره گیرد. در [9]، کنترل توان راکتیو یک مزرعۀ بادی DFIG برای تامین توان راکتیو در طی خطا به یک مزرعۀ بادی با ژنراتور القائی سرعت ثابت (FSIG) ارائه شده است. در [1]، کنترل توان راکتیو DFIGها در هر دو شرایط کار عادی و در طی خطا به طور جامع و کامل مطالعه شده است. با این حال، کنترل توان راکتیو در [1] و [9] هیچکدام به یک شیوۀ بهینه یا انطباقی با تغییرات سیستم طراحی نشده‌اند. برنامه‌نویسی پویای تقریبی (ADP) [10] یا برنامه‌نویسی پویای تطبیقی [11]، [12] به عنوان یک روش کنترل بهینه و تطبیقی برای کنترل سیستم قدرت ارائه شده است. ADP می‌تواند قادر است به طور مستقیم با حل معادلۀ همیلتون-ژاکوبی- بلمن (HJB) به سیاست کنترل بهینه دست یابد. در [2] و [8]، کنترل هماهنگ DFIG و STATCOM به ترتیب با استفاده از طرح‌های منتقد تطبیقی (ACD) [13] و برنامه‌نویسی پویای ابتکاری مستقیم (HDP مستقیم) [14] تحقق یافته است. در [7]، برنامه‌نویسی پویای ابتکاری نمایش هدف (GrHDP) [15] به منظور هماهنگ کردن کنترل DFIG، STATCOM و لینک جریان مستقیم ولتاژ بالا (HVDC) به کار گرفته شده است. شایان ذکر است که ACD لزوما یک روش طراحی خارج از خط است که نیازمند به کارگیری یک شبکۀ مدل است. از سوی دیگر، ACD، HDP مستقیم و GrHDP از روش گرادیان کاهشی به عنوان الگوریتم آموزشی استفاده می‌کنند که در بهره‌گیری از نمونه‌های یادگیری کارائی کمی داشته، به پارامترهای یادگیری حساس‌ بوده و همگرایی کندی دارد. در این مقاله، بحث روی کنترل تطبیقی و بهینۀ توان راکتیو DFIGها متمرکز است زمانی که جبرانسازهای پویای توان راکتیو در اختیار نباشند. اهداف کنترل پویای توان راکتیو عبارتند از کاهش شکم ولتاژ در طی یک خطای PCC و میرا کردن نوسان توان اکتیو خروجی مزرعۀ بادی پس از بروز یک خطا. یک سیگنال تکمیلی به فرمان توان راکتیو استاتور DFIG افزوده می‌شود تا کنترل توان راکتیو محقق شود. کنترلر تکمیلی توان راکتیو مبتنی بر ADP است. متفاوت با روش‌های مبتنی بر ADP که در بالا ذکر شد، یک الگوریتم تکرار سیاست مبتنی بر حداقل مربعات [16] به کار گرفته می‌شود، که کارائی خوبی در نمونه‌برداری داشته، رها از پارامتر یادگیری است و همگرایی سریعی دارد. یک تابع هزینۀ وابسته به عمل نیز معرفی می‌شود تا فرایند یادگیری مستقل از مدل سیستم باشد. آموزشی در طول کسب برخط نمونه ادامه می‌یابد. با استفاده از چنین تکنیک‌هایی، کنترلر تکمیلی توان راکتیو ارائه شده را می‌توان به صورت برخط بهینه کرد که با تغییرات شرایط محیطی نیز سازگار است و خود را وفق می‌دهد. ادامۀ این مقاله بدین صورت سازماندهی شده است. مدل‌های سیستم قدرت محک و مزرعۀ بادی DFIG به ترتیب در بخش‌های2 و 3 معرفی می‌شوند. در بخش4، هر دوی ساختار و الگوریتم یادگیری کنترل تکمیلی توان راکتیو ارائه می‌شود. نتایج شبیه‌سازی نیز در بخش5 ارائه می‌شود تا بهینه‌سازیبرخط و قابلیت سازگاری کنترلر ارائه شده به اثبات برسد. نتیجه‌گیری هم در بخش6 بیان می‌شود.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Dynamic reactive power control of doubly fed induction generators (DFIGs) plays a crucially important role in maintaining transient stability of power systems with high penetration of DFIG based wind generation. Based on approximate dynamic programming (ADP), this paper proposes an optimal adaptive supplementary reactive power controller for DFIGs. By augmenting a corrective regulation signal to the reactive power command of rotor-side converter (RSC) of a DFIG, the supplementary controller is designed to reduce voltage sag at the point of common connection (PCC) during a fault, and to mitigate output active power oscillation of the wind farm after a fault. As a result, the transient stability of both DFIG and the power grid is enhanced. An action dependent cost function is introduced to provide real-time online ADP learning control. Furthermore, a policy iteration algorithm using high-efficiency least square method is employed to train the supplementary controller in an online model-free manner. By using such techniques, the supplementary reactive power controller is endowed with capability of online optimization and adaptation. Simulations carried out on a benchmark power system integrating a large DFIG wind farm show that the ADP based supplementary reactive power controller can significantly improve the transient system stability in changing operation conditions.