بخشی از مقاله
چکیده
ریزشبکه ها به منظور ادغام انرژي تجدید پذیر و جلوگیري از نوسان برق توسط باد و منابع خورشیدي به دلیل تنوع آب و هوا، به منابع انرژي پشتیبان از قبیل پیل سوختی و منابع ذخیره کننده انرژي نظیر باتري نیازمند هستند. با در نظر گرفتن مزایاي تکنولوژي پیل سوختی مانند بازده بالا، فراهم بودن سوخت هیدروژن، طول عمر بالا، عملکرد آرام و پاك و هزینه تعمیر و نگهداري پایین، پیل سوختی از بهترین گزینه ها براي سیستم پشتیبان می باشد.
در این مقاله با در نظر گرفتن یک سیستم هیبرید بر مبناي انرژي خورشیدي به عنوان انرژي اولیه و انرژي پیل سوختی به عنوان سیستم پشتیبان به همراه باتري ها، ابرخازن ها و الکترولایزر به عنوان ذخیره کننده هاي انرژي سعی در کنترل انرژي با استفاده از روش هاي کلاسیک و متعارف بر آمده ایم. هدف از این مقاله شبیه سازي سیستم هیبرید و کنترل انرژي آن با استفاده از سه نوع روش مختلف کنترل PI، کنترل فازي-PI و کنترل مد لغزشی و مقایسه عملکرد آنها می باشد. نتایج شبیه سازي نشان می دهد کنترل برمنباي مد لغزشی عملکرد بهتري نسبت به روش کلاسیک PI و کنترل فازي-PI ذکر شده دارد.
-1 مقدمه
با افزایش میزان مصرف انرژي و اولویت هاي اقتصادي، کاهش سوخت هاي فسیلی، و فاکتورهاي زیست محیطی مانند اثر گلخانه اي، استفاده از تولیدات پراکنده در سامانه هاي تولید انرژي امروزي امري اجتناب ناپذیر است.[1] از طرفی تغذیه انرژي نواحی حساس، مانند سایتهاي نظامی دور از دسترس و یا مستقل، روستاهاي دورافتاده - در کشورهاي درحال توسعه - توجیهی انکار ناپذیر براي استفاده از تولیدات پراکنده و انرژیهاي تجدید پذیر خواهد بود. زیرا گسترش شبکه اصلی به مناطق دوردست همیشه عملی و یا اقتصادي نمی باشد .
استفاده از منابع تولید پراکنده، باعث افزایش قابلیت اطمینان سامانه و همچنین کاهش نیاز براي گسترش سامانه قدرت می شود. علاوه بر این موضوع، بهبود شاخص هاي کیفیت توان، تنظیم ولتاژ بهتر و اصلاح ضریب توان از مزایاي استفاده از منابع تولید پراکنده می باشد.[2] یکی دیگر از مزایاي استفاده از تولیدات پراکنده، نزدیکی محل تولید و مصرف انرژي به یکدیگر است.
با به کارگیري منابع تولید پراکنده، تلفات انرژي که در خطوط انتقال انرژي اتفاق می افتد برطرف شده و از طرفی بحث هاي مربوط به سرویس رزرو و تأمین توان راکتیو بارها را مورد پوشش قرار می دهد] .[3 استراتژي هاي کنترلی مختلفی به منظورمدیریت انرژي سیستم هاي قدرت هیبریدي پیل سوختی طراحی شده است. روش کنترل حالت1 برمبناي تجربیات گذشته است. بنابراین عملکرد موثر این روش به میزان آشنایی طراح با هرالمان بستگی دارد. کنترل فازي، یکی دیگر از روش هایی است که به طور گسترده در طراحی روش هاي مدیریت انرژي استفاده شده است.
افزایش غیر خطی بودن سیستم، عدم قطعیت و پیچیدگی سیستم هاي هیبرید، طراحی استراتژي کنترلی بر پایه تکنیک فازي را ضروري می سازد. [4] دراین روش، توزیع توان برحسب توابع عضویت و قوانین اگر- آنگاه2 بدست می آید این روش به راحتی می تواند براي دستیابی به عملکرد بهینه سیستم مورد استفاده قرارگیرد، علاوه برآن، این استراتژي حساسیت کمتري به تغییرات المان ها دارد6 ]و. [5 با این وجود قلب این روش به قوانین اگر-آنگاه بستگی دارد که نیازمند تجربه گذشته طراح است. استراتژي کنترل فازي به نحوي طراحی می شود که درصد شارژ باتري را در محدوده معقولی نگه دار تا طول عمر باتري افزایش یابد.
این طرح تنها نیازمند یک مدل تقریبی از سیستم است و همچنین به عدم دقت و یا تغییرات اندازه گیري پارامترهاي سیستم هیبریدي حساس نیست. علاوه بر این، بهره وري و نیرومندي3 بیشتر و پاسخ سریع تر نسبت به روش هاي کنترلی متعارف فراهم می کند5]و. [6 اخیرا روش کنترلی برمبناي کنترلرهاي PI پیشنهادشده است. هدف اصلی این روش، کنترل پارامترهاي اصلی مدار مانند درصد شارژ باطري - - SOC ، ولتاژ باسDC یا ابرخازن باکنترلرهاي PI است. در این روش، دانش قبلی طراح لازم نیست و پارامترهاي کنترلی PI به منظور ردیابی بهتر می توانند به صورت آنلاین تعیین شوند.[7]
براي اطمینان ازعملکرد سیستم پیل سوختی از نظر ماکسیمم بازده و بهره اقتصادي یک استرانژي بهینه بر مبناي تابع هزینه می تواند استفاده شود. معروف ترین استراتژي در این زمینه روش مینیم کردن مصرف سوخت معادل است. در این روش، توزیع توان از طریق مینیمم کردن یک تابع هزینه لحظه اي، که تشکیل شده از مصرف سوخت سیستم پیل سوختی و مصرف سوخت معادل دیگر منابع انرژي است، انجام می گیرد.[8] از روش هاي دیگرکنترل انرژي، روش کنترلی انفیس4 است. کنترل انفیس در برگیرنده تواناییها - قابلیتهاي - کنترل فازي و شبکههاي عصبی میباشد.[9]
مانند روش کنترل فازي، این روش نیز هیچ مدل دقیقی - ریاضی - از سیستم نیاز ندارد. در نتیجه، روش موثري براي نمایش سیستمهاي غیرخطی، سیستمهاي با عدم قطعیت و مبهم میباشد. همچنین همانند شبکههاي عصبی، شامل الگوریتمهاي یادگیري براي تعریف پارامترهاي سیستم کنترل میباشد.[29] روش هاي دیگر مدیریت انرژي زمان حقیقی5 براي سیستم هاي قدرت هیبریدي پیل سوختی نیزگزارش شده است. این روش ها شامل کنترل پیش بینی مدل ژ10ب6، برنامه ریزي دینامیکی ]١١[، شبکه هاي عصبی تطبیقیژ 12ف ب وکنترل[13] H∞ می باشد. این روش ها معمولا پیچیده و نیازمند محاسبات زیاد هستندکه می تواند زمان پاسخ روش هاي مدیریت انرژي مذکور را تحت تاثیر قرار دهد.
