بخشی از مقاله
چکیده
در ریزشبکهها استفاده از منابع تجدیدپذیر توربین بادی و آرایه خورشیدی باعث نوساناتی در توان میشود، این نوسانات موجب عدم تعادل بین بار و توان میگردد. ریزشبکههای جزیرهای به علت اینکه کمبود/مازاد توان را نمیتوانند بوسیله ارتباط با شبکه جبران کنند، ناپایداری را در سیستم بهمراه خواهند داشت.
در این مقاله یک کنترلکننده فازی برای تنظیم همزمان ضرایب کنترلکننده PI طراحی شده است تا از نوسانات جلوگیری کرده و باعث پایداری سیستم گردد. در نهایت از الگوریتم ازدحام ذرات - PSO - برای تنظیم بهینه توابع عضویت فازی استفاده شده است. نتایج شبیهسازی نشان داده کنترلکننده بهینه نوسانات فرکانسی را قبل از کنترلکننده فازی و کلاسیک به صفر رسانده است.
-1 مقدمه
افزایش جمعیت و افزایش تقاضا برای انرژی، کمبود سوختهای فسیلی و مشکلات زیست محیطی باعث شده که شبکههای قدرت معمولی دیگر پاسخگوی نیازهای انرژی الکتریکی نباشند. یکی از راه حلهای مقابله بر این مشکلات استفاده از منابع تولید پراکنده - DG - در کنار سوختهای فسیلی میباشد. هرچند استفاده از منابع تولید پراکنده سبب افزایش قابلیت اطمینان و رفع نگرانیهای زیست محیطی میشود اما باعث غیرخطی شدن و پیچیده شدن سیستمهای قدرت نیز میگردد.
برای غلبه بر این مشکلات از ریزشبکهها که به صورت مستقل بارهای خود را تغذیه میکنند استفاده میشود. ریزشبکهها شامل چندین منبع تولید پراکنده و ذخیرهسازهی انرژی هستند که قادرند توان مصرفی بار خود را تامین نمایند
تعادل میان بار و تولید یکی از مهمترین دلایل استفاده از ریزشبکهها در حالت جزیرهای میباشد. در ریزشبکهها استفاده از منابع تجدیدپذیر باعث نوسانی شدن توان خروجی این منابع و ناپایداری سیستم شده است. لذا برای برقراری تعادل میان بار و تولید و جلوگیری از نوسانات حاصل از استفاده از منابع تجدیدپذیر در ریزشبکهها، فرکانس باید در مقدار نامی خود باقی بماند. بنابراین کنترل ثانویه فرکانس در بهرهبرداری از ریزشبکهها عامل مهمی است.
کارهای زیادی در این زمینه انجام شده است. استفاده از ساختار کنترل کننده هوشمند مبتنی بر شبکههای عصبی برای کنترل ثانویه فرکانس ریزشبکه در حالت منفصل از شبکه، با تغییر شرایط کاری به صورت خودکار نوسانات سیستم را به حداقل میرساند.در [4] نتایج شبیهسازی، درستی اعتبار مدل ریاضی پیشنهادی برای ریزشبکه را نشان داده است.
در [5] برای کنترل ثانویه فرکانس ریزشبکهای شامل توربین بادی، پیل سوختی، پانل خورشیدی، دیزل ژنراتور، باتری و Flywheel روش کنترل جدیدی مطرح شده است و پایداری مطلوب فرکانس با استفاده از کنترل کننده کلاسیک که ضرایب آن توسط کنترل کننده فازی تنظیم شده، صورت گرفته و با استفاده توام از منطق فازی و الگوریتم ازدحام ذرات - PSO - تغییرات فرکانس به خوبی و سریع به صفر رسیده است.
در این مقاله کنترل ثانویه فرکانس برای این ریزشبکه در حالت مستقل از شبکه اصلی انجام شده است و سعی شده با استفاده از [5]، در ابتدا یک کنترل کننده کلاسیک PI توسط روش زیگلر- نیکولز طراحی شود و سپس برای بهبود عملکرد این کنترل کننده، ضرایب آن توسط کنترل کننده فازی به صورت همزمان تنظیم شود. از آنجا که کنترل کننده فازی وابسته به توابع عضویت سیستم فازی میباشد، با استفاده از الگوریتم بهینهسازی ازدحام ذرات - PSO - پارامترهای توابع عضویت به صورت همزمان تنظیم میشود، که نتایج حاکی از عملکرد مناسب و بهینه روش پیشنهادی بوده است.
در ادامه در بخش 2 ریزشبکه آزمون در حالت جزیرهای و مدل ریاضی واحدهای مختلف آن معرفی شده است. در بخش 3 الگوریتم PSO توضیح داده شده است. در بخش 4 اعمال روش کنترلی به ریزشبکه پیشنهادی بیان شده است. در بخش 5 چندین شبیهسازی درحضور سناریوهای مختلف آورده شده است و در انتها دربخش 6 نتیجهگیری بیان شده است.
-2 ریزشبکه آزمون
مدل ریزشبکه آزمون جهت کنترل ثانویه فرکانس در شکل - 1 - الف - نشان داده شده است. چگونگی بدست آوردن مدل فرکانسی از ریزشبکه در [4] بیان شده است و در شکل - - 1 ب - قابل مشاهده است .[5] پارامترهای ریزشبکه آزمون در جدول 1 آمده است. مدلهای ریاضی واحدهای مختلف در ریزشبکه جزیرهای، به صورت توابع تبدیل درجه یک از مدل واقعی تخمین زده شده است ، که برای کنترل فرکانس و / یا ولتاژ این توابع تبدیل کفایت میکند.
-3 الگوریتم بهینه سازی ازدحام ذرات - PSO -
الگوریتم بهینهسازی ذرات یک الگوریتم بهینهسازی فرا ابتکاری است که از حرکت گروهی از پرندگان - و یا دیگر حیواناتی که به شکل گروهی زندگی میکنند - الگو گرفته است. در PSO، ذرات در فضای جستجو جاری میشوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر ازدحام ذرات روی چگونگی جستجوی یک ذره اثر میگذارد .
نتیجهی مدلسازی این رفتار اجتماعی، فرآیند جستجویی است که ذرات به سمت نواحی موفق میل میکنند. ذرات از یکدیگر میآموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود میروند اساس کار PSOبر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگیاش وجود دارد، تنظیم میکند، یعنی حرکت هر ذره به سه عامل بستگی دارد:
-1 موقعیت فعلی ذره
-2 بهترین موقعیتی که تا کنون ذره داشته است.
-3 بهترین موقعیتی که کل مجموعهی ذرات تا کنون داشتهاند
بهترین موقعیت برای یک ذره موقعیتی است که بهترین مقدارشایستگی را برای آن ذره بدست آورده است. تجمعی از ذرات درفضای جستجو n بعدی به این صورت مدل میشوند که هر ذره p یک سرعت و موقعیت فعلی را در زمان t دارد که آنها را به ترتیب با Vi - t - نشان دهیم. مکان ذره p بیانگر جوابهای ممکن مسئله است در حالیکه سرعت آن ذره تعیین میکند
جدول - 1 پارامترهای ریزشبکه آزمون
شکل - 1 ریزشبکه آزمون؛ الف - مدل واقعی، ب - مدل پاسخ فرکانسیی
در کدام جهت در فضای جستجو باید به حرکت ادامه دهد و بیانگر خاصیت اکتشافی یک ذره میباشد. در هر گام ابتدا سرعت ذره و سپس مکان ذره به روز میشود، بنابراین هر ذره دارای حافظهای برای ثبت بهترین مکان است. معادلات زیر فرآیند به روز رسانی سرعت و موقعیت بعدی را در زمان t 1 نشان میدهند
