بخشی از مقاله
خلاصه
در حال حاضر اکثر موتورهای الکتریکی که در صنایع مختلف مشغول به کار هستند فرسوده بوده و معمولا راندمان آنها بسیار کمتر از مقدار نامی است. استفاده از موتورهای الکتریکی با راندمان پایین باعث مصرف بیش از حد انرژی الکتریکی و تحمیل هزینههای سنگین جهت خرید انرژی الکتریکی میگردد. موتورهای القایی سه فاز با توجه به مزایایی مانند استحکام بالا و هزینه نگهداری پایین از پرکاربردترین موتورها میباشند. در این مطالعه یک روش جدید جهت تخیمن راندمان موتورهای القایی سه فاز در حال کار با استفاده از الگوریتم فاخته آشوبی و مدار معادل اصلاح شده پیشنهاد شده است.
در روش پیشنهادی نیاز به آزمایش های پرهزینه مانند آزمایش روتور قفل شده و آزمایش بی باری نیست و می توان بصورت آنلاین و با اندازه گیری جریان و ولتاژ استاتور، توان ورودی و سرعت روتور، راندمان موتور را تخمین زد. جهت ارزیابی عملکرد روش پیشنهادی، روش پیشنهادی بر روی یک موتور القایی سه فاز پنج اسب بخار واقعی تست شد و نتایج مطالعات عددی نشان داد که روش پیشنهادی دقت بسیار خوبی در تخمین راندمان موتور دارد و می تواند با خطای کمتر از %1,5 راندمان موتور را تخیمن بزند. همچنین عملکرد روش پیشنهادی با سایر روشها مانند الگوریتم جستجوی باکتری و الگوریتم سیستم ایمنی بدن مقایسه شد و نتایج بدست آمده نشان داد که روش پیشنهادی از دقت بسیار بهتری نسبت به سایر روش ها برخوردار است.
.1 مقدمه
با توجه به افزایش عمر صنایع و فرسودگی و پیری تجهیزات مختلف مانند موتورها، راندمان آنها کاهش می یابد و هزینه تعمیر و نگهداری آنها افزایش می یابد. موتورهای القایی سه فاز با توجه به مزایایی مانند استحکام بالا و هزینه نگهداری پایین از پرکاربردترین موتورها میباشند. در سال های اخیر پژوهش های فراوانی بر روی تخمین راندمان موتور القایی صورت گرفته است. پژوهش ها نشان داده که استفاده از الگوریتم های اکتشافی مانند الگوریتم باکتری، الگوریتم پرنده و دیگر الگوریتم های مبتی بر هوش جمعی کاربرد بسیار بهتری نسبت به سایر روش های کلاسیک مانند روش لغزش و روش جریان دارند
در روش های مبتتی بر هوش جمعی، از قابلیت های این الگوریتم ها جهت تعیین پارامترهای مدار معادل موتور القایی و در نتیجه تخمین راندمان استفاده می شود. البته با توجه به وجود تعداد زیاد متغییرهای مورد بررسی، تعیین پارامترهای موتور تبدیل به یک مسئله بهینه سازی پیچیده غیرخطی با تعداد زیاد متغییر می شود. همچنین با توجه به روابط غیرخطی بین اهداف و متغییرهای مسئله و مشتق پذیر نبودن تابع هدف، استفاده از روش های کلاسیک مبتنی بر گرادیان مانند روش تندترین نزول در حل این گونه مسائل ناکارآمد می باشد
در 6 از الگوریتم پرنده جهت تخیمن پارامترهای موتور القائی و در نتیجه تعیین راندمان موتور تحت بارهای مختلف استفاده شده است. در این مطالعه، از یک مدار معادل اصلاح شده جهت محاسبات راندمان استفاده شده است. برای ارزیابی روش ارائه شده از مدل واقعی یک موتور القایی سه فاز با توان نامی 3750 وات، 230 ولت، 12/5 آمپر و 1450 دور بر دقیقه استفاده شده است. نتایج بدست آمده نشان داده که روش پیشنهادی توانسته با خطای کمتر از %6 راندمان موتور رو درست تخیمن بزند.
در مرجع 7 و 8 از الگوریتم جستجوی باکتری جهت تخمین پارامترهای موتور القایی و محاسبه راندمان استفاده شده است. عملکرد الگوریتم جستجوی باکتری با سایر روش ها مانند روش اندازه گیری گشتاور، روش لغزش، روش مدار معادل، روش جریان، روش تفکیک تلفات، الگوریتم تکاملی مقایسه شده است.
نتایج بدست آمده در مرجع 9 از جریان دشارژ استاتور جهت تخمین پارامترهای موتور القایی استفاده شده است. نتایج بدست آمده با عملکرد سایر روش ها مانند روش های کلاسیک و روش اجزا محدود سه-بعدی مقایسه شده است.
در مرجع 10 از ترکیب تطبیقگر احتمال بیشینه و فیلتر کالمن جهت تخمین پارامترهای موتور القایی استفاده شده است. در مرجع 11 اهمیت شناسایی پارامترهای ماشین بخصوص ثابت زمانی رتور در کنترل شار جهت دار شده ماشین القایی تشریح شده است. در این مقاله روش کلیدزنی CRPWM جهت شناسایی ثابت زمانی رتور استفاده شده است. از اشکالات این روش می توان نیاز به تجهیزات و سخت افزار اضافی جهت کنترل، محدودیت کاربرد در سرعت های پایین و همچنین نیاز به محاسبه دقیق فرکانس لغزش را برشمرد.
مرجع 12 از دو روش در حین کار و در حالت عدم اتصال به شبکه، جهت شناسایی پارامترهای ماشین القایی بخصوص ثابت زمانی آن بهره جسته است. نیاز به در نظر گرفتن حالت گذرای سرعت ماشین از اشکالات این روش می باشد. ضمنا به سبب بکار رفتن مشتق در سیستم کنترل جریان، این روش بسیار نویزپذیر بوده و علاوه بر آن تجهیزات و سخت افزار اضافی جهت تزریق پالس به سیستم تولید شار، آن را پیچیده و گران می کند.
در مرجع 13 تکنیکی معرفی شده است که به تقریب زنی در حین کار مقاومت، اندوکتانس و اندوکتانس گذرای استاتور، مستقل از سرعت و ثابت زمانی رتور می پردازد. با این حال، پارامترها بصورت لحظه ای قابل شناسایی نیستند. در مرجع 14 پارامترهای ماشین القایی بصورت آنلاین با استفاده از تزریق یک سیگنال فرکانس بالا به ماشین، شناسایی شده اند.
در این بخش اهمیت مسئله و ضرورت ارائه یک روش دقیق جهت تخمین راندمان موتور القایی سه فاز بیان شد. در بخش دوم مفاهیم مورد نیاز شامل الگوریتم بهینه ساز و مدار معادل اصلاح شده معرفی خواهد شد. در ادامه بخش سوم، روش پیشنهادی معرفی شده است. در بخش چهارم، نتایج شبیه سازی ارائه شده است. برای انجام شبیه سازی ها از نرم افزار MATLAB استفاده شده است. بالاخره در بخش پنجم نتیجه گیری کلی بیان شده است.
.2 مفاهیم مورد نیاز
.1.2الگوریتم فاخته آشوبی
الگوریتم فاخته یک روش جدید جستجوی آگاهانه سراسری است که از زندگی پرندهای موسوم به فاخته الهام گرفته است . همانند سایر الگوریتمهای تکاملی COA هم با یک جمعیت اولیه کار خود را شروع میکند. جمعیتی که متشکل از فاختهها است. این جمعیت از فاختهها تعدادی تخم دارند که آنها را در لانه تعدادی پرندهی میزبان خواهند گذاشت.
تعدادی از این تخمها که شباهت بیشتری به تخمهای پرنده میزبان دارند شانس بیشتری برای رشد و تبدیلشدن به فاخته بالغ خواهند داشت. سایر تخمها توسط پرنده میزبان شناسایی شده و از بین میروند. میزان تخمهای رشد کرده، مناسب بودن لانههای آن منطقه را نشان میدهند. هرچه تخمهای بیشتری در یک ناحیه قادر به زیست باشند و نجات یابند، به همان اندازه سود - تمایل - بیشتری به آن منطقه اختصاص مییابد. بنابراین موقعیتی که در آن بیشترین تعداد تخمها نجات یابند پارامتری خواهد بود که COA قصد بهینهسازی آنرا دارد. فاختهها - Cuckoos - برای بیشینه کردن نجات تخمهای خود دنبال بهترین منطقه میگردند
در هر الگوریتم بهینه ساز، دو ویژگی اکتشاف و استخراج از اهمیت ویژه ای برخوردار هستند. اکتشاف به قدرت الگوریتم بهینه ساز در پیدا کردن همسایگی جواب بهینه و استخراج به توانایی پیدا کردن جواب نهایی مسئله سراسری اطلاق می شود. اگر الگوریتم نتواند همسایگی نقطه بهینه سراسری را پیدا کند، در یک نقطه محلی دیگر گیر می کند و جواب بهینه سراسری از دست می رود.
در الگوریتم فاخته آشوبی جهت بهبود عملکرد الگوریتم، نحوه حرکت فاخته ها بصورت آشوبی صورت می گیرد. با این کار نحوه جستجوی سراسری فاخته ها ها بهبود می یابد و در نتیجه دقت و سرعت همگرایی الگوریتم افزایش می یابد. همچنین امکان گیر کردن الگوریتم در دام مینیمم های محلی کم می شود. اطلاعات بیشتر در رابطه با الگورتیم فاخته آشوبی در 16 آمده است.
.2,2 مدار معادل اصلاح شده
در روش پیشنهادی از مدار معادل اصلاح شده جهت تخمین راندمان موتور القایی سه فاز استفاده شده است. مدار معادل معمولی در شکل - 1 - و مدار معادل اصلاح شده در شکل - 2 - نشان داده شده است.
شکل -1 مدار معادل معمولی
