بخشی از مقاله
چکیده
این مقاله کاربردیک کنترلرمنطق فازي را درتعیین سیگنال تکمیلی یک جبران کننده استاتیک توان راکتیو SVC بهمنظوربهبود پایداري وافزایش میرایی سیستم قدرت ارائه میدهد. کنترل کننده پیشنهادي براي جبران کننده استاتیک توان راکتیو، برپایه قوانین منطق فازي طراحی وبا روش بهینه سازي هوش گروهی - Particle Swarm - بهینه میشود. سیگنالهاي ورودي سیستم فازي انحراف سرعت ∆w وتغییردرتوان اکتیوخروجی ژنراتور ∆P انتخاب شده اند.
ازآنجائیکه SVC درفاصله زیاد از ژنراتور سیستم قراردارد، لذا فرض براین است که سیگنالهاي مناسب بیان شده با استفاده ازتکنولوژیهاي WAMS وPMU ها اندازه گیري وبه سیستم کنترل SVC اعمال میشود. خروجی جبران کننده استاتیک توان راکتیو متناسب با این دوسیگنال تغییرمیکند. روش بهینه سازي هوش گروهی بدنبال بهینه کردن ضرایب مقیاس براي این دو ورودي ونیزسیگنال خروجی کنترلرفازي است. تاثیروکارآیی این کنترل کننده پیشنهادي باشبیه سازي مدل براي یک سیستم تک ماشینه متصل به شین بینهایت مورد بررسی قرار میگیرد .
.1 مقدمه
سیستمهاي قدرت اغلب درمعرض نوسانات الکترومکانیکی فرکانس پایین که ناشی از اغتشاشات الکتریکی است، قرار میگیرند.[1] اتصال نواحی مختلف تولیدبه یکدیگر با خطوط انتقال ضعیف، نوسانات فرکانس پایین توان درمحدوده . /1 الی 3 هرتز را درشبکه تقویت میکند. پایدارسازهاي سیستم قدرت - PSS - براي ایجاد میرایی درمقابل این نوع ازنوسانات به کارمیروند. امادربعضی ازشرایط عملکردبه دلیل محدودیت ظرفیت توان راکتیو ژنراتور ودر نتیجه محدودیت تغییر ولتاژ ازطریق سیستم تحریک ژنراتور، PSSمیرایی مناسب را ایجاد نمیکندو نیاز است تا علاوه بر PSS ابزاردیگري مورد استفاده قرار بگیرد و یا میراسازي نوسانات توان با افزودن کنترلرهاي تکمیلی به کنترل کننده استاتیک توان راکتیو در نقاط مختلف شبکه تامین گردد.
حمایت ولتاژ وجبرانسازي توان راکتیو یکی ازابزارهاي مناسب براي بهبود عملکرد سیستم قدرت میباشد. امروزه با پیشرفت تکنولوژي الکترونیک قدرت طراحی جبرانسازهاي توان راکتیوازجمله SVC کاربردي واقتصادي است. کاربرد تنظیم بهینه کنترلرفازي یک جبران کننده استاتیک توان راکتیو به منظورمیراسازي نوسانات توان با الگوریتم هوش گروهی ابتدایی یک جبرانساز توان راکتیو ازنوع SVC حفظ ولتاژ یک نقطه دریک بازه مشخص است. بعلاوه می تواندبا حمایت دینامیکی ولتاژدریک نقطه خاص ودرنتیجه تاثیرگذاري مستقیم بر روي مقدارتوان اکتیو عبوري از خطوط انتقال آن ناحیه، باعث بهبودپایداري گذرا وپایداري حالت ماندگار سیستم ودرنتیجه افزایش میرایی نوسانات سیستم قدرت شود.
این خواسته معمولا ازطریق افزودن یک سیگنال کنترل تکمیلی - کمکی - به حلقه کنترل ولتاژ SVC تحقق مییابد. بنابراین SVC باتنظیم سوسپتانس موازي خود، نوسانات را میرا نموده و پایداري سراسري سیستم را افزایش میدهد .[2] کنترل فازي ابزارجدیدي را براي حل پیچیدگیهاي موجود درسیستم قدرت ارائه میدهد. عملکرد سیستم فازي هنگامی که تغییرات گسترده شرایط کار - نقطه کار - بواسطه بروز خطاهاي بزرگ درسیستم قدرت وجود دارد، بدلیل استقامت ذاتی آن بسیارمناسب است.
بعلاوه براحتی میتوان غیرخطی بودن سیستم قدرت رادرطراحی سیستم فازي بحساب آورد3]و.[4 ازمهمترین موارد قابل توجه در طراحی کنترلرفازي، تنظیم بهینه ضرایب کنترلی آن است. بهینه نمودن این ضرایب با روشهاي گوناگونی صورت میپذیرد. روشهاي سعی وخطا والگوریتم هاي بهینه سازي هوشمندازاین جمله می باشند. اخیرا با استفاده از روشهاي هوشمند، کنترلرفازي بهینه براي PSS طراحی شده است.
ازجمله میتوان به روش الگوریتم ژنتیک وهوش گروهی اشاره نمودکه بااستفاده ازاین روشها، ضرایب کنترلرفازي براي بهبودعملکرد PSS به صورت بهینه تنظیم شده اند5]و.[6 استفاده ازکنترلرفازي برپایه SVC به منظورافزایش میرایی نوسانات فرکانس پایین وبهبودپایداري سیستم قدرت درسالهاي اخیرموردتوجه قرارگرفته است7]و.[8 اما تنظیم بهینه ضرایب کنترلرفازي یک جبران کننده استاتیک توان راکتیو وتاثیرآن بربهبود میراسازي نوسانات توان موضوعی است که کمتر به آن پرداخته شده است وما قصد داریم دراین مقاله ابعاد مختلف آنرا مورد بررسی قرار دهیم.
دراین مقاله یک کنترل کننده فازي با ضرایب کنترلی بهینه بر پایه SVC طراحی شده است. سیستم فازي مورد نظرما داراي دو ورودي انحراف سرعت ∆ وتغییردرتوان اکتیو ژنراتور ∆P ویک خروجی که همان سیگنال کنترلی تکمیلی - Usupp - است میباشد. بدلیل فاصله SVC ازژنراتور، وباتوجه به اینکه سیگنالهاي ورودي ذکرشده از سیستم ژنراتوراندازي گیري میشوند، مسئله مهم انتقال این اطلاعات به فواصل دورمی باشد.
امروزه باپیشرفت در تکنولوژي WAMS که یک اندازه گیري مناسب ویک سیستم نظارتی جامع را با استفاده از GPS هایی که برپایه PMU ها مورداستفاده قرارمیگیرند، ایجاد مینماید و همچنین بااستفاده ازسیستمهاي انتقال سریع داده ها، سیگنالهاي موردنظردرسیستم قدرت متمرکز شده وپردازش میگردد. سپس این اطلاعات به صورت - Real time - بدون تاخیربه سیستمهاي موردنظرانتقال یافته و مورد استفاده قرار میگیرند. مهمترین مزیت این تکنولوژي ها ازبین بردن اثرتاخیر زمانی دراندازه گیري وارسال داده ها می باشد.
توجه به این نکته لازم است که قبل ازشکوفایی این تکنیکها بطورمثال سیگنال انحراف سرعت ژنراتور براي SVC متصل درفواصل دور دردسترس نبود. بعدازاندازه گیري و پردازش و انتقال این ورودیها به سیستم، SVC یک کنترلرفازي براي این سیستم طراحی میشود ودر نهایت براي این سه سیگنال، سه ضریب مقیاس معرفی می شود - . - Gw, G P, GU تلاش مابراین است تادراین مقاله با استفاده ازالگوریتم بهینه سازي هوش گروهی مقادیر بهینه این سه پارامتر را تعیین وتاثیر آنرا بر بهبود میرایی نوسانات توان با مقایسه با یک کنترلرفازي که سه پارامتر آن از روش سعی و خطا محاسبه شده اند، مطالعه و مورد بررسی قرار دهیم .
الگوریتم هوش گروهی - - PSO که اولین بارتوسط Kennedy وEberhart معرفی شدیکی ازالگوریتمهاي هوشمندمدرن است وقدرت زیادي درحل مسائل بهینه سازي پیوسته و گسسته غیر خطی داردPSO .[9] ازرفتار اجتماعات طبیعی مانند دسته پرندگان یا ماهیها الهام گرفته شده است. PSO میتواندجوابهایی باکیفیت بالاودرزمان محاسباتی کم تنظیم بهینه کنترلرفازي یک جبران کننده استاتیک توان راکتیو به منظورمیراسازي نوسانات توان با الگوریتم هوش گروهی ومشخصه هاي همگرایی پایدار نسبت به دیگر روشهاتولیدنماید.
[10] این روش بهینه سازي مفهومی آسان، عملکردي راحت وکارآیی خوب دارد. تاثیروکارآیی کنترلرپیشنهادي ازطریق مدل یک سیستم تک ماشینه متصل به شین بینهایت بااستفاده ازیک خط انتقال درحالیکه SVC وسط خط انتقال متصل شده است موردبررسی قرار میگیرد. میرایی که توسط سیستم SVC ایجاد میشود به محل آن و سیگنالهاي کنترلی وابسته است. در[11] تاثیرمکان SVC بر میرایی مورد بررسی قرار گرفته است.
در همین مرجع بیان شده است که نقطه میانی خط انتقال، از منظرتاثیر بر میرایی، بهترین مکان براي نصب SVC میباشد که این نتیجه با استفاده ازآنالیزمقادیر ویژه بدست آمده است. بخش هاي دیگراین مقاله بدین صورت خواهند بود: مروري بر روش بهینه سازي هوش گروهی، مدلسازيSVC، مدل سیستم ونحوه طراحی کنترلرفازي، طراحی بهینه کنترل کننده منطق فازي با الگوریتم بهینه سازي هوش گروهی، شبیه سازي و نتیجه گیري نهایی.
.2 مروري بر الگوریتم بهینه سازي هوش گروهی
روش بهینه سازي PSO درحقیقت شبیه سازي
رفتارموجوداتی است که به صورت گروهی هدف مشخصی را جستجومیکنند. ازمهمترین مشخصه هاي آن میتوان به موارد زیراشاره کرد :
الف - روشی الهام گرفته ازرفتاردسته موجوداتی است که به صورت گروهی به دنبال غذا میگردند مانندپرندگان وماهیها.
ب - قوانین حرکت وجستجودراین الگوریتم ساده اماپر معنا است، بنابراین زمان محاسباتی آن کم وبه فضاي حافظه زیادي احتیاج ندارد.
ج - بطورکلی براي حل مسائل غیرخطی بامتغیرهاي پیوسته توسعه داده شده است اما براحتی میتواند درمورد مسائل غیرخطی با متغیرهاي گسسته نیزبکار رود. دراین الگوریتم مکان هرذره توسط بردار سرعت همان ذره تغییرمیکند. جهت واندازه بردارسرعت هرذره توسط ترکیب بردارسرعت قبلی آن با راستاي بهترین تجربه شخصی وبهترین تجربه گروه، تعیین می شود. بیان ریاضی این مفهوم دررابطه - 1 - نشان داده شده است.
