ترجمه فارسی عنوان مقاله

کنترل بهینه تولید توان بادی نوع DFIG با استفاده از تحلیل حساسیت و بهینه‌سازی گروه ذرات

عنوان انگلیسی

Optimized Control of DFIG-Based Wind Generation Using Sensitivity Analysis and Particle Swarm Optimization

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
53169	2013	12 صفحه PDF

منبع

Publisher : IEEE (آی تریپل ای)

Journal : IEEE Transactions on Smart Grid, Page(s): 509 - 520 ISSN : 1949-3053 INSPEC Accession Number: 13355364

فهرست مطالب ترجمه فارسی

چکیده

مقدمه

مدل سیستم قدرت

شکل1. دیاگرام تک‌خطی سیستم قدرتی که شامل یک مزرعه بادی نوع DFIG است.

شکل2. دیاگرام طرحوار سیستم توربین بادی DFIG

مدل سیستم توربین بادی DFIG

مدل ژنراتور

مدل زنجیره درایو

مدل خازن لینک DC

مدل کنترل‌کننده سمت روتور

شکل3. دیاگرام طرحوار کنترل‌کننده سمت روتور

شکل4. دیاگرام طرحوار کنترل‌کننده سمت شبکه

شکل5. دیاگرام طرحوار کنترل گام

مدل کنترل‌کننده سمت شبکه

مدل کنترل‌کننده گام

تحلیل حساسیت مسیر حرکت

تحلیل حساسیت

تحلیل حساسیت پارامترهای کنترلی DFIG

تحلیل حساسیت مسیر حرکت پارامترهای کنترلی DFIG

شکل6. توان اکتیو توربین بادی نوع DFIG

جدول1:حساسیت هر یک از پارامترهای کنترلی

جدول2:دسته‌بندی حساسیت پارامترهای کنترلی

جدول3:تحلیل ضرایب مقدارویژه و مشارکت

جدول 4:حساسیت‌های مقادیر ویژه پارامترهای کنترلی هر مقدار ویژه

جدول 5:دسته‌بندی حساسیت پارامترهای کنترلی

جدول6:پارامترهای کنترلی با و بدون بهینه‌سازی

جدول7:تحلیل مقدار ویژه با گزینه اول

جدول8:تحلیل مقدار ویژه با گزینه دوم

جدول9:تحلیل مقدار ویژه با گزینه سوم

مطالعات شبیه‌سازی رایانه‌ای

جدول 10:تحلیل پیچیدگی محاسباتی

شکل7. توان اکتیو توربین بادی DFIG تحت اغتشاش کوچک

شکل8. توان راکتیو توربین بادی DFIG تحت اغتشاش کوچک

شکل9. ولتاژ لینک dc تحت اغتشاش کوچک

سیستم قدرت SMIB با اغتشاش بزرگ

شکل10. توان اکتیو توربین بادی DFIG تحت اغتشاش بزرگ

شکل11. توان راکتیو توربین بادی DFIG تحت اغتشاش بزرگ

شکل12. ولتاژ لینک dc تحت اغتشاش بزرگ

سیستم قدرت چندماشینه

شکل13. دیاگرام طرحوار سیستم قدرت چندماشینه همراه با DFIG

شکل14. توان اکتیو توربین بادی DFIG در سیستم قدرت چندماشینه

شکل15. ولتاژ توربین بادی DFIG در سیستم قدرت چندماشینه

شکل16. ولتاژ لینک dc در سیستم قدرت چندماشینه

شکل17. ولتاژ G3 در سیستم قدرت چندماشینه

نتیجه‌گیری و کار آینده

ترجمه کلمات کلیدی

هوش محاسباتی، DFIG، کنترل بهینه سازی، بهینه سازی ازدحام ذرات، تجزیه و تحلیل حساسیت، شبکه هوشمند -

کلمات کلیدی انگلیسی

—Computational intelligence, DFIG, optimized control, particle swarm optimization, sensitivity analysis, smart grid.

ترجمه چکیده

کنترل بهینه مزارع بادی مقیاس وسیع یک موضوع مهم برای توسعه سیستم‌های انرژی تجدیدپذیر و اتصال آن ها به شبکه قدرت جهت تامین برق قابل اطمینان، ایمن و کارا می‌باشد. در بین فناوری‌های ارائه شده در این زمینه، نتایج تحقیقاتی اخیر که از هر دو جامعه توان و انرژی و جامعه هوش محاسباتی (CI) بدست آمده است نشان می‌دهد که تحقیقات هوش محاسباتی نوآوری‌های فنی اساسی را برای این مساله چالش برانگیز ارائه می‌دهد. در این مقاله، ما یک روش تحلیل حساسیت مبتنی بر اطلاعات مسیر حرکت و حوزه فرکانس در ترکیب با الگوریتم تکاملی ارائه می‌دهیم تا کنترل بهینه توان بادی مبتنی بر ژنراتورهای القائی تغذیه دوگانه (DFIG) حاصل شود. به جای بهینه‌سازی کل پارامترهای کنترلی، ایده کلیدی ما استفاده از تحلیل حساسیت برای شناسائی پارامترهای مهم، پارامترهای کنترلی غالب متحد (UDCP)، است تا پیچیدگی بهینه‌سازی کاهش یابد. بر اساس چنین پارامترهای انتخاب شده، ما از الگوریتم بهینه‌سازی گروه ذرات(PSO) استفاده می‌کنیم تا مقادیر بهینه برای دستیابی به هدف کنترلی را بیابیم. تحلیل شبیه‌سازی و مطالعات مقایسه‌ای نشان دهنده کارائی روش ما است.

ترجمه مقدمه

با افزایش رو به رشد تقاضای انرژی و نگرانی‌های زیست‌محیطی، توسعه شبکه‌های قدرت هوشمند به یک موضوع تحقیق مهم در سراسر دنیا بدل شده است. برای حل چالش‌ها و توسعه یک شبکه واقعا هومشند، تلاش‌های زیادی در این زمینه و در سطوح مختلف انجام شده است، که از تحقیقات آکادمیک، تحقیق و توسعه صنعتی (R&D) گرفته تا سیاست‌های دولت این جریان ادامه دارد. با اینکه کل سیستم شبکه هوشمند یک فناوری و سیستم اجتماعی به شدت پیچیده است، ما در این مقاله روی یکی از مولفه‌های اساسی متمرکز می‌شویم، و آن عبارت است از کنترل بهینه توربین بادی (WT) نوع ژنراتور القائی تغذیه دوگانه (DFIG) ، که این روش کنترلی بر اساس تحلیل حساسیت و بهینه‌سازی گروه ذرات (PSO) صورت می‌گیرد. DFIG به دلیل مزایای بیشمار آن نسبت به دیگر ژنراتورهای توربین بادی مثل ژنرتور القائی قفسه سنجابی و ژنراتور سنکرون مغناطیس دائم، به طور گسترده در سیستم توان بادی به کار می‌رود. مشخصات DFIG دارای راندمان بالا بوده، کنترل آن انعطاف پذیر بوده و هزینه سرمایه‌گذاری کمی دارد. استاتور DFIG به طور مستقیم به شبکه برق متصل می‌وشد در حالی که روتور از طریق یک مبدل پشت به پشت به شبکه قدرت وصل است، که تنها 20 تا 30 درصد ظرفیت نامی DFIG را در برمی‌گیرد به این دلیل که مبدل تنها جریان تحریک DFIG را تغذیه می‌کند. مبدل پشت به پشت شامل سه بخش است: مبدل سمت روتور (RSC)، مبدل سمت شبکه (GSC) و خازن لینک dc. کنترلر مبدل تاثیر چشمگیری روی پایداری DFIG متصل به شبکه دارد. در کارهای تحقاقاتی گذشته، تحلیل پایداری و کنترل بهینه توربین بادی نوع DFIG توسط محققات زیادی صورت گرفته است. یکی از چالش‌های اصلی برای بهینه‌سازی مزرعه بادی نوع DFIG حضور تعداد زیاد پارامترها برای بهینه‌شدن است تا برهمکنش خوب توان بادی با شبکه برق در نقطه کوپل مشترک (CCP) تضمین شود. برای مثال، در مرجع [7] نویسندگان روشی را برای استفاده از PSO برای بهینه‌سازی همزمان همه پارامترهای کنترلی DFIG بیان کردند. این روش می‌تواند عملکرد DFIG در شبکه توان را ارتقا دهد، با این جال وقتی تعداد DFIG ها در یک مزرعه بادی افزایش یابد، تعداد پارامترهای کنترلی نیز به طور قابل‌توجهی افزایش خواهد یافت. بنابراین؛ روش‌های کنترلی پیشرفته نوع هماهنگ مثل روش‌های مبتنی بر برنامه‌نویسی پویای تطبیقی (ADP) برای چنین چالشی موفقیت زیادی را به همراه داشته‌اند. تحلیل حساسیت کاربردهای گسترده در تحلیل و مدلسازی سیستم‌های قدرت دارند. تحلیل حساسیت مقدارویژه و تحلیل حساسیت ولتاژ مبتنی بر سیستم DFIG نیز توسط محققان بررسی و تحقیق شده است. در [17] روش تحلیل حساسیت مقدار ویژه را روی یک سیستم DFIG اعمال کرده و متوجه شد که تاثیر پارامترهای مختلف DFIG روی جفت مقادیر ویژه حیاتی متفاوت در سرعت‌های مختلف روتور، با هم متفاوت است. یکی از سوالات کلیدی برای این مضووع نحوه شناسائی پارامترهای کنترلی غالب متحد (UDCP) است که می‌تواند در بهینه‌سازی کنترل و کاهش پیچیدگی مزارع بادی مقیاس وسیع کاربرد داشته باشد. در این کار، با الهام از کار قبلی‌مان و با استفاده از تکنیک PSO، یک روش کنترل بهینه برای توربین بادی همراه DFIG و بر اساس تحلیل حساسیت ارائه می‌کنیم. از طریق تحلیل حساسیت با کمک تحلیل حساسیت مسیر حرکت و تحلیل حساسیت مقدار ویژه، UDCP قابل دستیابی است. سپس ما استفاده از الگوریتم بهینه‌سازی گروه ذرات را برای بهینه‌سازی این UDCP ها جهت بهبود عملکرد دینامیکی سیستم تولید بادی ارائه می‌دهیم. مطالعات شبیه‌سازی و در محیط نرم‌افزار متلب/سیمولینک انجام می‌گیرد تا کارائی روش بیان شده به اثبات برسد.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Optimal control of large-scale wind farm has become a critical issue for the development of renewable energy systems and their integration into the power grid to provide reliable, secure, and efficient electricity. Among many enabling technologies, the latest research results from both the power and energy community and computational intelligence (CI) community have demonstrated that CI research could provide key technical innovations into this challenging problem. In this paper, we propose a sensitivity analysis approach based on both trajectory and frequency domain information integrated with evolutionary algorithm to achieve the optimal control of doubly-fed induction generators (DFIG) based wind generation. Instead of optimizing all the control parameters, our key idea is to use the sensitivity analysis to first identify the critical parameters, the unified dominate control parameters (UDCP), to reduce the optimization complexity. Based on such selected parameters, we then use particle swarm optimization (PSO) to find the optimal values to achieve the control objective. Simulation analysis and comparative studies demonstrate the effectiveness of our approach.