بخشی از مقاله
چکیده
در سالهای اخیر سیستم توربین بادی که از ژنراتورهای القایی دو سو تغذیه - DFIG - استفاده میکنند، به عنوان یکی از منابع تولیده پراکنده پرکاربرد شده است. در اینگونه سیستمهاحتماً بایستی زاویه سیگنال ولتاژ ماشین با زاویه شبکه سنکرون شود و در اختیار کنترلکنندهها قرار گیرد. سیستم حلقه قفل فاز یک سیستم سنکرونکننده حلقه بسته است که زاویه سیگنال ولتاژ شبکه سراسری را ردیابی میکند. مرسومترین طرح کنترلی برای سیستم DFIG، روش کنترل برداری است که مبتنی بر کنترلکنندههای تناسبی انتگرالی - PI - میباشد.
برای تنظیم بهینه ضرایب PI و بهبود عملکرد دینامیکی سیستم، تکیه تنها بر تحلیل سیگنال کوچک، ممکن است کافی نباشد. در این مقاله، روشی مبتنی بر ترکیب تحلیل سیگنال کوچک و تکنیک تبدیل سری فوریه گسسته - DFT - پیشنهاد میگردد. مسأله بهینهسازی چند هدفه با استفاده از الگوریتم NSGA-II حل میشود.
کلمات کلیدی: سیستم DFIG، حلقه قفل فاز، ضرایب PI، سری فوریه گسسته، الگوریتم NSGA-II
مقدمه
با گسترش ضریب نفوذ توربینهای بادی در سیستمهای قدرت، بسیاری از کشورها نظامنامه مخصوص به خود را دارند که بر نحوه اتصال توربین بادی به شبکه قدرت نظارت میکنند. تمامی نظامنامههای مخصوص توربین بادی، شامل الزاماتی مانند قابلیت عبور از ولتاژ پایین، کنترل ولتاژ، کنترل فرکانس و الزامات حفاظتی است که میتوان به کد معرفی شده توسط استاندارد FERC اشاره کرد .به طور گسترده بخش کنترلی سیستمهای توربینهای بادی مجهز به DFIG مورد تحقیق قرار گرفتهاند.
با این حال، متداولترین طرح کنترلی سیستمهای DFIG، روش کنترل برداری است که از کنترلکنندههای تناسبی انتگرالی - PI - استفاده میکند .در این روش، توانهای اکتیو و راکتیو به ترتیب با مؤلفههای متعامد و مستقیم جریان کنترل میشوند. کنترلکنندههای تناسبی-انتگرالی به خاطر سادگی و داشتن قابلیت اطمینان در حوزه مهندسی و صنعت کاملاً شناخته شدهاند. تنظیم پارامترهای کنترلکنندههای PI یک مسأله مهم و تأثیرگذار است .
الگوریتمهای تکاملی به عنوان ابزارهای بهینهسازی در روند طراحی پارامترهای کنترلکنندههای DFIG به کار گرفته شدهاند. به طور مثال در مرجع، جهت بهینهسازی پارامترهای کنترلکنندههای مبدل طرف روتور از الگوریتم ژنتیک استفاده شده است، ولی در این مرجع از مدل دینامیکی خازن واسط دو مبدل صرفنظر شده و بنابراین نوسانات زیاد ولتاژ واسط DC قابل اجتناب نخواهد بود. در جایی دیگر روش بهینهسازی توده ذرات به کار گرفته شده تا با پیداکردن پارامترهای بهینه کنترلی، کنترل بهینه سیستم DFIG حاصل گردد. در مرجع دیگری، تکنیک بهینهسازی بر اساس جستجوی باکتریایی به کار رفته است تا میرایی مؤلفههای نوسانی را در سیستم DFIG بهبود بخشد.
با این حال، در بیشتر این الگوریتمها از یک تابع هدف استفاده شده است. همچنین در این مراجع برای تعریف شاخصهای ارزیابی رفتار دینامیکی، از تحلیل سیگنال کوچک استفاده شده است. لذا، عملکرد با میرایی مقاوم در شرایط تغییر نقطه کار به دست نخواهد آمددر. منابع موجود اکثراً کنترل و پایداری پارامترهای سیستم DFIG بدون در نظرگرفتن دینامیک سنکرونسازی با شبکه قدرت انجام میشود. در واقع به سیستمی نیاز است که ردیابی سریع و دقیق فاز و فرکانس هارمونیک اصلی مؤلفههای شبکه قدرت را به طور دقیق انجام دهد.
سیستم حقله قفل فاز و یا به طور مخفف PLL1، سیستم حلقه بستهای است که قادر است در خروجی سیگنالی تولید کند که با سیگنال ورودی سنکرون باشد. در این مقاله، با اضافهکردن مدل دینامیکی PLL برای سنکرونسازی سیستم با شبکه قدرت، تنظیم بهینه پارامترهای کنترلی سیستم به کمک الگوریتم بهینهسازی چند هدفهNSGA-II2 صورت میگیرد.
تعریف توابع هدف
وقتی که سیستم DFIG در معرض اختلالی قرار میگیرد، نوساناتی در مؤلفه d جریان روتور سیستم یعنی idr ، ظاهر میشود. این نوسانات میتواند با دامنه نسبتاً زیاد و میرایی کم باشد. این نوسانات میتواند باعث کاهش طول عمر تجهیزات و قابلیت اطمینان سیستم شود. تحلیل سیگنال کوچک و استفاده از تحلیل مودال یکی از ابزارهایی است که به طور مرسوم برای طراحی و تنظیم ضرایب کنترلکنندهها از طریق خطیسازی حول نقطه کار به کار میگیرند.
با توجه به اعتبار روشهای مبتنی بر معادلات خطیسازی شده در شرایط اختلال کوچک، واضح است که تکیه صرف بر تحلیل مودال ممکن است منجر به عملکرد دینامیکی مناسب بلافاصله پس از وقوع اختلالات بزرگ نشود. افزایش میرایی نوسانات سیستم و تضمین حاشیه پایداری مطمئن، از اهداف اصلی مسأله بهبود عملکرد دینامیکی سیستم است. با توجه به دامنه وسیع نقطه کار سیستم DFIG، احتمال وقوع اختلالات غیرکوچک در سیستم زیاد است و بنابراین جهت تنظیم بهینه پارامترهای سیستم نمیتوان به تنهایی بر تحلیل مودال تکیه کرد.
بنابراین در این تحقیق به دنبال روشی هستیم که پارامترهای کنترلی سیستم را به صورت بهینه تنظیم کند به گونهای که سیستم DFIG در مقایسه با روشهایی که تنها بر اساس تحلیل سیگنال کوچک، تنظیم پارامتر شدهاند، در قبال اختلال رفتار دینامیکی بهتری از خود نشان دهد . بنابراین در روش پیشنهادی با یک مسأله بهینهسازی روبرو هستیم. پارامترهای کنترلی مجهولات این مسأله است. هدف مسأله بهینهسازی، تعیین یک دسته بهینه پارامترهای کنترلی است به طوری که نسبت به روشهایی که تنها بر اساس تحلیل سیگنال کوچک بنا نهاده شده، رفتار دینامیکی بهتری را نتیجه دهد.
در این مقاله پیشنهاد میشود که جهت افزایش میرایی نوسانات سیستم DFIG و تضمین حاشیه پایداری مطمئن، در کنار استفاده از شاخصهای مبتنی بر تحلیل سیگنال کوچک از شاخص دیگری مبتنی بر شبیهسازی زمانی استفاده شود . این کار باعث میشود که تأثیر هر دو اختلال کوچک و بزرگ در الگوریتم تنظیم بهینه پارامترهای سیستم دیده شود. ابتدا بر اساس تحلیل سیگنال کوچک دو شاخص تعریف میشود. در الگوریتم بهینهسازی، دستههای مختلف پارامترهای کنترلی در نظر گرفته میشود. برای هر دسته از پارامترهای کنترلی، خطیسازی حول نقطه کار صورت میگیرد و مقادیر ویژه و نسبتهای میرایی مدهای مختلف سیستم DFIG استخراج میگردد.
جستجو در فضای پارامتر به گونهای صورت میگیرد که دستهای از پارامترهای کنترلی یافت شود به گونهای که اولاً بیشترین نسبت میرایی را در بین تمامی نسبتهای میرایی مدهای سیستم باعث شودثانیاً. بیشترین فاصله قسمت حقیقی مقادیر ویژه تا محور موهومی را در میان همه مقادیر ویژه سیستم منجر شود.ثالثاً سپس بر اساس شبیهسازی زمانی، یک شاخص جدید تعریف میگردد. در واقع شاخص جدید به کمک شبیهسازی زمانی و انجام تبدیل سری فوریه گسسته - DFT3 - و به منظور حداکثرکردن میرایی سیستم در حضور اختلال بزرگ معرفی میشود.
در مرجع نشان داده شده است که از طیف فرکانسی یک سیگنال که از تحلیل فوریه به دست میآید، اطلاعات مربوط به میرایی هر مؤلفه فرکانسی را میتوان به دست آورد. در تحلیل فوریه نوسانات با میرایی کم و مطلوب دارای دامنه کمتری در طیف فرکانسی هستند. به عبارت دیگر سیگنالهای نوسانی میراشونده با میرایی خوب دارای مؤلفه با دامنه خیلی کم در حوزه فرکانس هستن در این مقاله، برای بهبود پاسخ دینامیکی مؤلفه d جریان سیستم که منجر به بهبود رفتار دینامیکی سیستم میگردد.
در کنار انجام تحلیل مودال، شبیهسازی زمانی سیستم نیز صورت میگیرد و به کمک تحلیل DFT، بزرگترین دامنه مؤلفههای فرکانسی شکل موج مؤلفه d جریان روتور سیستم که مربوط به مؤلفه نوسانی میراشونده میباشد، استخراج گردیده و از آن در بهینهسازی تنظیم پارامترهای کنترلی استفاده میشود. به طور خلاصه، مینیممسازی مقدار حداکثر دامنه در طیف فرکانسی منجر به میرایی مطلوب و بهبود پاسخ سیستم DFIG در حوزه زمان میشود. با توجه به این موضوع، در الگوریتم بهینهسازی برای هر دسته پارامترهای کنترلی، شبیهسازی زمانی انجام میشود. اختلال تغییر سرعت باد بر روی سیستم اعمال میشود و به کمک تحلیل DFT، بزرگترین دامنه در طیف فرکانسی فوریه شکل موج مؤلفه d جریان روتور سیستم استخراج میگردد.
روش بهینهسازی ارائه شده سعی در کمینهکردن تابع هدف J 2 دارد تا قسمت حقیقی تمام مقادیر ویژه که در سمت چپ محور موهومی در صفحه اعداد مختلط قرار دارند، از محور موهومی فاصله بیشتری پیدا کنند. به این ترتیب حاشیه پایداری سیستم افزایش مییابد. جهت تنظیم بهینه پارامترهای کنترلی و با توجه به عدم کارایی تحلیل سیگنال کوچک به تنهایی در قبال اختلالات نسبتاً بزرگ تابع هدفJ 3 با هدف بهبود رفتار دینامیکی سیستم در حین تغییرات سرعت باد در حوزه زمان تعریف میشود.
بنابراین، هنگام تنظیم پارامترهای بهینه کنترلکنندهها، نوسانات مؤلفه d جریان روتور سیستم باید جهت بهبود رفتار دینامیکی سراسری سیستم DFIG مد نظر قرار گیرد. هدف مسأله بهینهسازی، کاهش همزمان هر سه تابع هدف میباشد . برای حل مسأله بهینهسازی با توابع هدف چندگانه، روش NSGA-II پیشنهاد شده است تا مجموعه بهینه پاسخهای کارا یا همان Pareto به دست آیند. در آخر هم با استفاده از روشی که مبتنی بر مجموعههای فازی است، پارامترهای بهینه کنترلکنندهها از بین مجموعه جواب Pareto انتخاب میگردند.
