دانلود مقاله ISI انگلیسی شماره 53174
ترجمه فارسی عنوان مقاله

کنترل فرکانس هوشمند در یک ریزشبکه AC: تکنیک تنظیم فازی مبنی بر PSO آنلاین

عنوان انگلیسی
Intelligent Frequency Control in an AC Microgrid: Online PSO-Based Fuzzy Tuning Approach
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
53174 2012 10 صفحه PDF
منبع

Publisher : IEEE (آی تریپل ای)

Journal : IEEE Transactions on Smart Grid, Page(s): 1935 - 1944 ISSN : 1949-3053 INSPEC Accession Number: 13190949

فهرست مطالب ترجمه فارسی
چکیده

اصطلاحات شاخص 

مقدمه

ریزشبکه ها

ساختار ریزشبکه AC

شکل 1.   ساختار ساده شده ی ریزشبکه ac.

شکل 2.   طرحی کلی از کنترل های ریزشبکه AC.

حلقه های کنترلی در یک ریزشبکه AC 

مطالعه موردی

شکل 3.   دیاگرام تک-خطی مطالعه موردی ریزشبکه ac.

جدول 1.   توان نامی واحدهای DG و بارهای آن

شکل 4.   مدل پاسخ فرکانس سیستم ریزشبکه ac.

جدول 2.   مقادیر پارامترهای سیستم ریزشبکه ac

جدول 3.   پارامترهای کنترلی PI با استفاده از روش زیگلر-نیکولز

 کنترل فرکانس مبنی بر PI فازی و کنترل فرکانس مرسوم

شکل 5.   کنترل فرکانس ثانوی مبنی بر PI فازی.

جدول 4.   دسته قوانین فازی

کنترل فرکانس PI فازی-PSO

شکل 6.   سیستم حلقه-بسته با کنترل کننده ی PI فازی-PSO.

نتایج شبیه سازی و بحث

 قدرت در برابر تغییرات پارامترها

شکل 7.   فلوچارت الگوریتم PSO آنلاین.

شکل 8.  (a) تداخلات بار با چندین پله.  (b) پاسخ فرکانسی ریزشبکه.

شکل 9.   کنترل فرکانس، به دنبال یک اختلال بار پله با دامنه 0.1 p.u.

شکل 10.   پاسخ فرکانسی طبق تغییرات پارامترهای نشان داده شده در جدول 5.

شکل 11.   پاسخ فرکانسی طبق تغییرات پارامترهای نشان داده شده در جدول 6.

جدول 5.   پارامترهای غیر قطعی و بازه تغییرات

جدول 6.   پارامترهای غیر قطعی و بازه تغییرات

جدول 7.   مقادیر محاسبه شده برای شاخص عملکرد (رابطه (7))

شکل 12.   انحراف فرکانس در صورت شرکت داشتن هم FC و هم DG در کنترل فرکانس.

همکاری در کنترل فرکانس

بحث

نتیجه گیری
ترجمه کلمات کلیدی
ــ منطق فازی، کنترل هوشمند، ریزشبکه، تنظیم بهینه، بهینه سازی ازدحام ذره، کنترل فرکانس ثانویه -
کلمات کلیدی انگلیسی
Fuzzy logic, intelligent control, microgrid, optimal tuning, particle swarm optimization, secondary frequency control.
ترجمه چکیده
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.
ترجمه مقدمه
افزایش نیاز به توان الکتریکی، موجب شده است تا بسیاری از منابع غیرمعمولی نیز وارد سیستم قدرت شوند، که این منابع، پیچیدگی و عدم دقت سیستم را افزایش می دهند. از منابع انرژی های نو (تجدیدپذیر) (RES)، اغلب بعنوان واحدهای تولید کننده جایگزین در یک سیستم قدرت مدرن، استفاده می شود. افزایش نفوذ RESها (منابع انرژی های نو)، دارای مزیت هایی می باشد، اما همچنین چالش های تازه ای را نیز به بار می آورد که آیا این منابع می توانند بطور پایدار در کنار واحدهای تولید کننده ی موجود، کار کنند یا نه. برخی از چالش های فنی که توسط منابع انرژی های نو ایجاد می شوند، تعمیر و نگهداری و حفاظت از RESها می باشد که این مسایل، در رگولاسیون ولتاژ و فرکانس سیستم، و نیز در طرح کنترلی مناسب _هم در حالت متصل به شبکه، و هم در حالت جدای از شبکه_ تاثیر می گذارند. بهره برداری مناسب از این منابع، نیازمند استانداردهای بسیاری است؛ ازینرو، مفهوم ریزشبکه (MG)، برای نخستین بار در سال 1998 توسط کنسرسیوم راه حل های تکنولوژی قابلیت اطمینان الکتریکی (CERTS)، معرفی شد. کنسرسیوم CERTS، ریزشبکه را بصورت تجمعی از بارها و منابع کوچکی بصورت سیستم های کوچک تولید کننده همزمان برق و گرما، معرفی کرد. اغلب این منابع کوچک، باید بر مبنای الکترونیک قدرت باشند، تا قابلیت انعطاف مورد نیاز به منظور اطمینان از عملکرد به عنوان یک سیستم متراکم شده، را ارایه دهند. مبانی ورود ریزشبکه ها به سیستم های قدرت، مبتنی بر افزایش قابلیت اطمینان سیستم های قدرت، و نیز بهبود مسایل اقتصادی و محیطی می باشد. سیستم های ریزشبکه ای که از انرژی های نو استفاده می کنند، به کاهش گرم شدن کره زمین و سرعت بخشیدن به ورود صنعت برق به محیط های تجدید ساختار شده، کمک می کنند. منابع اصلی توان در ریزشبکه ها، واحدهای تولید کننده کوچک با ظرفیت ده ها کیلو وات هستند که در سمت مصرف کننده قرار داده شده اند، و به شکل تولید توزیع شده (DG) به شبکه قدرت متصل شده اند. در اواخر دهه 1990، مسایل اصلی مربوط به تولید توزیع شده، بیشتر توسط گروه های کاری "مشورت بین المللی در مورد سیستم های الکتریکی بزرگ" (CIGRE) و "کنفرانس و نمایش بین المللی در مورد توزیع برق" (CIRED)، در گزارش های مروریشان، در نظر گرفته شده بود. انواع DGها (تولید کننده توزیع شده) عبارتند از ژنراتورهای با موتور دیزل (DEG)، میکرو توربین ها، پنل های فوتو ولتیک (PV)، ژنراتورهای توربین های بادی (WTG)، ذخیره کننده های انرژی (مانند PSS)، پیل های سوختی (FC)، و موتورهای رفت و برگشتی. ریزشبکه ها (MG-ها)، در شبکه های توزیع فشار ضعیف (LV) و فشار متوسط (MV)، قرار داده می شوند. با اتصال چندین منبع کوچک به سطوح توزیع، چالش های تازه ای _مانند پایداری سیستم، کیفیت توان، و عملکرد شبکه_ وجود دارد که باید با استفاده از تکنیک های کنترلی پیشرفته در سطوح ولتاژ LV/MV در مقابل سطوح ولتاژ فشار قوی که در کنترل قدیمی تر سیستم قدرت رایج است، حل شوند. به عبارتی دیگر، شبکه های توزیع (سمت تقاضا)، باید از نقش غیرفعال، به یک نقش فعال بروند. وجود وسایل های ذخیره کننده در سیستم های MG (ریزشبکه)، حیاتی می باشد. به دلیل اینرسی کم در بیشتر منابع کوچک، در صورت رویدادهای جدی مانند اختلالات بار یا قطع شدن یک واحد تولید کننده، شاخص های سیستم اصلی تحت تاثیر قرار گرفته، و ممکن است یک شرایط بحرانی حاصل شود. استفاده از وسایل ذخیره کننده انرژی، عملکرد سیستم های MG را، و نیز پایداری آن را بهبود می بخشد. وسایل ذخیره کننده انرژی اصلی که بعنوان ابزارهای پشتیبان مورد استفاده قرار می گیرند، باطری ها، چرخ طیارها، و خازن های اضافی هستند. این روزها، به دلیل افزایش اهمیت ریزشبکه ها در عمل و نیز بصورت پژوهش های آموزشی دانشگاهی، پروژه های MG زیادی در سراسر دنیا _مانند پروژه های CERTS در آمریکا، پروژه های MG در سنگال، جزیره Kythnos در یونان، و چندین پروژه در ژاپن_ تحت مطالعه می باشند. با حظور MG-ها در کنار واحدهای تولید کننده (ژنراتورها) بزرگ در سیستم قدرت، شاخص های اصلی سیستم _مانند ولتاژ و فرکانس_ باید با استفاده از روش های کنترلی مناسب، کنترل شوند. به منظور داشتن عملکرد و پایداری مطلوب، از سه استراتژی کنترلی اصلی _یعنی کنترل مرکزی، عامل تک، و غیر متمرکز_ استفاده می شود. در روش مرکزی، سیستم MG، اقدام به کنترل بارهای محلی و پارامترهای سیستم، با استفاده از یک واحد کنترل مرکزی، می نماید. در این روش، همه اطلاعات مربوط به بارها و DG-ها در ریزشبکه، توسط یک واحد مرکزی جمع شده، و برای بارها و DGها تصمیم گیری می شوند. در روش عامل تک، ریزشبکه توسط یک DG (تولید کننده توزیع شده) قابل کنترل بزرگ، اقدام به کنترل بارها و پارامترهای سیستم می کند. در این روش، همه عملیات کنترلی، بر DG-های قابل کنترل اعمال می شود. اما، عیب اصلی این روش، هزینه ی بالای DG-های قابل کنترل می باشد. در روش غیرمتمرکز، هر DG مجهز به یک کنترل کننده ی محلی می باشد، پس نیاز به سیگنال کنترل فیدبک محلی دارد. واحدهای کنترلی و روش های تنظیمی مربوط به آنها برای سیستم های ریزشبکه مدرن _که باید مسایل بهینه سازی رگولاسیون چند-منظوره پیچیده را که دارای تنوع زیادی در سیاست، روش های کنترلی، و نیز توزیع گسترده در منابع عرضه و تقاضا (تولید کننده و مصرف کنند) هستند، متعادل سازند_ لزوما بایستی هوشمند باشند. هسته ی این سیستم هوشمند، باید مبنی بر الگوریتم های هوشمند انعطاف پذیر باشد. برخالف سیستم های قدرت بزرگ، سیستم های drooping به صورت ظعیفی در ریزشبکه ها، تنظیم شده اند تا ذخیره سازی حالت بی باری را به عنوان یک سرویس جانبی در بازار برق، مهیا کنند. در طی چند سال اخیر، گزارش های فراوانی مبنی بر روش های کنترلی گوناگونی در مورد تنظیم فرکانس، جبران سازی توان حقیقی، و مسایل کنترلی خط-بسته، منتشر شده اند. برخی از کارهای اخیر، برنامه ریزی ضرایب droop را برای تنظیم فرکانس در ریزشبکه ها، ارایه می دهند. همان طور که در [مرجع های 14 و 15] گفته شد، پایداری فرکانس در یک سیستم قدرت، به معنی ثابت نگه داشتن فرکانس بدنبال یک اختلال سنگین، با کمینه تلفات در بارها و واحدهای تولید کننده، می باشد. این مقاله، یک تکنیک تازه هوشمند آنلاین را _با استفاده از ترکیب فن آوری های منطق فازی و بهنیه سازی ازدحام ذرات (PSO)_ برای تنظیم بهینه ی رایج ترین کنترل کننده های فرکانس مبنی بر تناسبی-انتگرالی (PI) در سیستم های ریزشبکه، ارایه می دهد. در استراتژی کنترل ارایه شده، پارامترهای PI، بطور خودکار توسط قوانین فازی طبق اندازه گیری های آنلاین، تنظیم می شوند. به منظور رسیدن به عملکردی بهینه، از روش PSO برای تعیین پارامترهای تابع عضویت، بطور آنلاین استفاده شده است. طرح تنظیم بهینه ارایه شده، مزیت های بسیاری برای کنترل فرکانس یک ریزشبکه ی با چندین DG و RES، ارایه می دهد، درحالیکه ممکن است روش های کنترلی قدیمی نتوانند عملکردی مطلوب در بازه گسترده ای از شرایط عملیاتی، ارایه دهند. روش طرح کنترلی PI فازی-PSO هوشمند، در کنترل فرکانس ثانویه در یک ریزشبکه AC، کاربرد دارد. به منظور نشان دادن برتری های طرح کنترلی ارایه شده، نتایج این روش با روش کنترلی PI کاملا فازی، و نیز تکنیک زگلر-نیکولز، مقایسه شده است. همچنین بررسی های شبیه سازی نیز به منظور نشان دادن قابلیت تکنیک کنترل هوشمند ارایه شده، انجام پذیرفته اند. دو سناریو برای کنترل فرکانس ثانویه، در نظر گرفته شده اند. در سناریو یکم، فرض می شود که تنها واحد DEG مسیول است، در حالیکه در سناریوی دوم، واحد FC (پیل سوختی) نیز در کنترل فرکانس ثانویه، شرکت دارد. واحد پیل سوختی، به عنوان یک پشتیبان برای کاهش اثرات نابودکننده ی انحرافات فرکانس، عملی می کند. با استفاده از این تکنیک، مقدار فشار بر روی ژنراتور و ظرفیت ذخیره سازی واحدهای ذخیره کننده را می توان در دراز-مدت، کاهش داد. این مقاله بدین صورت سازمان یافته است: بخش 2، مروری بر ساختار ریزشبکه های ac و حلقه های کنترلی بایسته ی آنها، ارایه می دهد. در بخش 3، یک سیستم ریزشبکه ی ac ایزوله، به عنوان یک بررسی موردی، معرفی خواهد شد. طرح کنترلی PI کاملا فازی و مرسوم، در بخش 4 ارایه می شوند. در بخش 5، استراتژی کنترلی هوشمند ارایه شده ی مبنی بر منطق فازی و PSO، توصیف خواهد شد. چند شبیه سازی برای بررسی عملکرد الگوریتم بکار رفته و نتایج آن نیز، در بخش 6 ارایه می شوند.در پایان، در بخش 7، نتیجه گیری ها ارایه شده اند.
پیش نمایش مقاله
پیش نمایش مقاله  کنترل فرکانس هوشمند در یک ریزشبکه AC: تکنیک تنظیم فازی مبنی بر PSO آنلاین

چکیده انگلیسی

Email Print Request Permissions Modern power systems require increased intelligence and flexibility in the control and optimization to ensure the capability of maintaining a generation-load balance, following serious disturbances. This issue is becoming more significant today due to the increasing number of microgrids (MGs). The MGs mostly use renewable energies in electrical power production that are varying naturally. These changes and usual uncertainties in power systems cause the classic controllers to be unable to provide a proper performance over a wide range of operating conditions. In response to this challenge, the present paper addresses a new online intelligent approach by using a combination of the fuzzy logic and the particle swarm optimization (PSO) techniques for optimal tuning of the most popular existing proportional-integral (PI) based frequency controllers in the ac MG systems. The control design methodology is examined on an ac MG case study. The performance of the proposed intelligent control synthesis is compared with the pure fuzzy PI and the Ziegler-Nichols PI control design methods.