کنترل توان راکتیو مزرعه بادی احداث شده با ژنراتور القایی دو سو تغذیه در سیستم توزیع

چکیده

کلمات کلیدی

1.مقدمه

2- مدل و کنترل سیستم

2-1-مدل توربین بادی DFIG 

شکل(1) توربین بادی DFIG

شکل(2) منحنی توان برای یک توربین بادی 1500 کیلو وات DFIG نمونه

2-2-منحنی محدودیت های  ظرفیت  DFIG

شکل(3) مدار معادل DFIG

شکل (4) DFIG 1500 کیلو وات منحنی محدودیت های توان

جدول (1) پارامترهای الکتریکی DFIG.

2-3-مدل مزرعه بادی 

2-4- پخش بار با مزرعه بادی

3- فرمولسازی مسأله

4- بهینه سازی ازدحام ذرات

4-1- بهینه سازی ازدحام ذرات استاندارد (PSO)

4-2- بهینه سازی ازدحام ذرات باینری (BPSO)

4-3- بهینه سازی ازدحام ذرات ترکیبی با جهش موجک (HPSOWM)

5- الگوریتم بهینه سازی مشترک

5-1- الگوریتم بهینه سازی مشترک 

شکل (5) فلوچارت الگوریتم بهینه سازی مشترک ارائه شده است.

5-2- پیکر بندی دوباره شبکه با استفاده از توزیع BPSO

5-3- بهینه سازی توان راکتیو خروجی مزرعه بادی با استفاده از HPSOWM

6) نتایج شبیه سازی

6-1-توان اکتیو و راکتیو موجود در مزرعه بادی

شکل(6) فیدر آزمون 16 گره

جدول (2) پارامترهای عملکرد DFIG.

شکل (7) منحنی سرعت باد

شکل (8) توان اکتیو از هر توربین بادی DFIG

6-2-بهینه سازی مشترک 

شکل (9) حداکثر توان راکتیو از هر توربین بادی DFIG.

جدول (3) نتایج بهینه سازی از حالات مختلف

شکل (10) عملکرد همگرایی PSO برای بهترین راه حل

جدول (4) حداکثر توان اکتیو موجود در هر توربین بادی (MW)

جدول (5)  حداکثر توان راکتیو موجود در هر توربین بادی (مگاوار). 

جدول (6)نتایج بهینه سازی مشترک چهار دوره انتخابی از زمان.

جدول (7) خروجی توان راکتیو هر DFIG (مگاوار).

7) نتیجه گیری

در سال های اخیر، تعداد مزارع بادی کوچک همراه با ژنراتور القایی دوسویه تغذیه (DFIG) تعبیه شده در سیستم توزیع به سرعت افزایش یافته است. DFIG می تواند به عنوان منبع توان راکتیو پیوسته برای پشتیبانی از کنترل ولتاژ سیستم همراه با استفاده از قابلیت کنترل توان راکتیو استفاده شود. در این پژوهش، با توجه به هر دو کنترل توان راکتیو و بازپیکربندی شبکه توزیع می توان تلفات توان را کاهش داد و پروفیل ولتاژ را با استفاده از یک الگوریتم بهینه سازی مشترک بهبود داد. این الگوریتم بهینه سازی ترکیبی از کنترل توان راکتیوِ مزرعه بادی و بازپیکربندی شبکه برای به دست آوردن خروجی توان راکتیو مطلوب مزرعه بادی و ساختار شبکه به طور همزمان است. الگوریتم پیشنهادی با موفقیت بر روی شبکه توزیع 16 گذرگاهی اجرا شده است و نتایج به دست آمده کارایی الگوریتم ما را نشان می دهد.

انرژی باد یکی از مهم ترین و امیدوار کننده ترین منابع انرژی تجدید پذیر در جهان است. نفوذ انرژی باد در سیستم الکتریکی به سرعت در حال افزایش است. در حال حاضر، تعداد فزاینده ای از مزارع بادی مقیاس کوچک به عنوان منابع DG استفاده می شود که در سیستم توزیع واقع شده است. نصب و راه اندازی مزرعه بادی در سیستم توزیع می تواند سرمایه گذاری برای توسعه سیستم توزیع باشد، اما ماهیت متناوب و بی ثبات از تولید برق بادی ممکن است بر روی ولتاژ سیستم توزیع، فرکانس و کیفیت تولید تاثیر بگذارد بنابراین پارامترهای الکتریکی شبکه توزیع باید حفظ شود [1-4]. هنگامی که نفوذ انرژی باد بالا است، کنترل ولتاژ در سیستم توزیع به ویژه مهم است. به عنوان مثال، در بسیاری از کشورها مزرعه بادی با ژنراتور القایی دوسو تغذیه باید به طور فعال در بهبود کنترل ولتاژ در سیستم توزیع [5] شرکت داشته باشد. به تازگی توربین بادی با سرعت متغیر مجهز به DFIG محبوب ترین ژنراتور برای مزرعه بادی است که ساخته شده است. توربین بادی سرعت متغیر است که توانایی به دست آوردن حداکثر توان اکتیو از سرعت باد و کنترل توان راکتیو به طور مستقل را دارد [6،7]. استفاده از DFIG قابلیت کنترل توان راکتیو را دارد همچنین مزرعه بادی متشکل از DFIG می تواند به عنوان منبع توان راکتیو مداوم به پشتیبانی از کنترل ولتاژ سیستم با هزینه های کمتری بجای دستگاه جبرانساز توان راکتیو استفاده شود. کنترل توان راکتیو مزرعه بادی می تواند تلفات توان را کاهش دهد و پروفیل ولتاژ را در سمت کاربر با استفاده از ارائه جبرانسازی توان راکنیو در سیستم های توزیع بهبود دهد. خروجی توان راکتیو مزرعه بادی توسط شرایط بهره برداری سیستم بهینه و قابلیت کنترل توان راکتیو هر توربین بادی DFIG کنترل می شود. بسیاری از آثار قبلی در خصوص کنترل توان راکتیو مزرعه بادی وجود دارد.[8]. یک مدل ریاضی دقیق از DFIG و دو مدل شبیه سازی جایگزین برای تجزیه و تحلیل هر دو اجرای توان اکتیو و راکتیو در ارتباط با یک مزرعه بادی به طور انحصاری توسط DFIG پیشنهاد می شود [9]. استراتژی کنترل پخش بار بهینه شده برای توان اکتیو و راکتیو توسط یک ژنراتور القایی دوسو تغذیه در یک پارک بادی پیشنهاد شده است[10]. ارائه یک استراتژی کنترل توسعه یافته برای تنظیم توان راکتیو مزارع بادی با DFIG ساخته شده، به منظور کمک به تنظیم ولتاژ شبکه که به مزارع بادی متصل هستند[11]. رابطه بین توان اکتیو و راکتیو به منظور نگه داشتن هر DFIG عامل در داخل حداکثر جریان استاتور و روتور و ثابت نگه داشتن حالت پایداری در محدوده توصیف می شود [12]. یک الگوریتم کنترل مبتنی بر PI برای اداره توان راکتیو شبکه بین مزارع بادی متشکل از ژنراتور القایی دوسو تغذیه و شبکه توصیف شده است. پیکر بندی دوباره شبکه یکی از طرح های کنترل قابل توجه در سیستم های توزیع است که باعث تغییر در ساختار توپولوژیکی فیدرهای توزیع با تغییر وضعیت باز یا بسته سکشن ها و سوئیچ های متصل به شبکه است. هدف از مسئله پیکربندی مجدد شبکه توزیع بهینه، شناسایی یک ساختار عملکرد شعاعی بهینه است که باعث کاهش تلفات توان واقعی یا بهبود پروفیل ولتاژ می شود مادامی که در حالی که قیود محدودیت را برآورده می کند. بسیاری از روش های مورد استفاده برای پیکر بندی دوباره شبکه در ادبیات روش های اکتشافی [13-15] هستند. طبقه دیگر از روش های اعمال شده برای مسئله پیکر بندی دوباره شبکه بر اساس الگوریتم جستجو هوش مصنوعی، مانند الگوریتم ژنتیک، الگوریتم شبیه سازی بازپخت، الگوریتم جستجوی ممنوعه و غیره [16-18] است. با این حال، مطالعات قبلی انجام شده در خصوص کنترل توان راکتیو مزرعه بادی بدون در نظر گرفتن پیکر بندی دوباره شبکه و یا انجام پیکر بندی دوباره شبکه بدون در نظر گرفتن مزرعه بادی و کنترل توان راکتیو انجام شده، مادامی که در آن حالت نمی توان ساختار بهینه شبکه و خروجی توان راکتیو مزرعه بادی را بطور همزمان پیدا کرد. در این مقاله، یک الگوریتم بهینه سازی با ترکیب کنترل توان راکتیو مزرعه بادی و پیکر بندی دوباره شبکه برای به دست آوردن خروجی مطلوب توان راکتیو مزرعه بادی و بهینه سازی همزمان ساختار شبکه پیشنهاد شده است. برای پیدا کردن خروجی بهینه توان راکتیو مزرعه بادی، ترکیب الگوریتم بهینه سازی ازدحام ذرات بهبود یافته با جهش موجک (HPSOWM) استفاده شده است، در عین حال یک فایل باینری الگوریتم بهینه سازی ازدحام ذرات (BPSO) برای پیدا کردن ساختار شبکه بهینه برای به روز رسانی هر ذره به عنوان مثال در هر تکرار از مزرعه بادی الگوریتم بهینه سازی توان راکتیو خروجی توسعه یافته است.