می، برای، های، شبکه، نیروگاه، سیستم

ر شبکه بایستی به طور مناسب عمل نمایند و فرکانس را به بهترین صورت کنترل نمایند.
سیستم قدرت به هم پیوسته است و به چند حوزه کنترل فرکانس تقسیم می شود، فرم یکپارچه برای تمام ژنراتورها در جهت تشکیل یک گروه کنترلی منسجم استراتژی مورد نیاز است که نه تنها حفظ ثبات فرکانس را داشته بلکه قدرت پیوند به حالت خطای صفر ماندگار دارد و تغییر فرکانس در یک جای شبکه بر دیگر نقاط آن اثر می گذارد. [2]با توجه به رشد مداوم سیستم برق در اندازه، پیچیدگی و تنوع منابع مشکل نوسانات فرکانس با توجه به تغییرات غیرقابل پیشبینی بار به موضوعی جدی تبدیل شده است. این تغییرات بار تصادفی در نتیجه عدم تطابق توان تولیدی و مصرفی است؛ این عدم تطابق ها باید اصلاح شود زیرا تولید و توزیع برق کافی و قابل اطمینان با کیفیت مطلوب بسیار مهم است و در غیر این آسیبی جدی به تجهیزات وارد می آید. [3]
1-1-6 شبیه سازی شبکه قدرت برای کنترل فرکانس شبکه متصل به نیروگاه خوشیدی:به منظور نشان دادن کارایی روش پیشنهادی دو مدل سیمولینکی که یکی به صورت بلوکی مدل شده است و دیگری به صورت کامل رفتار دینامیکی اجزا را مدل می کند استفاده شده است همانطور که در نتایج حاصل و مقایسه آن با روش های کنترلی قبلی مشاهده شد، روش پیشنهادی عملکرد مناسبی از خود نشان داده است و قادر به جبران سازی و مدیریت توان در برابر تغییرات ناگهانی بار و توان متغییر تولید شده از نیروگاه خورشید می باشد.تغییر بار 0.1 را برای سیستم بلوک کنترل لاپلاسی نتایج بدست آمده. شبکه شبیه سازی دینامیکی کامل شامل یک مزرعه خورشیدی به ظرفیت 10 مگا وات و نیروگاه گازی به ظرفیت 100 مگاوات و نیروگاه ذخیره انرژی به ظرفیت 10 مگاوات و بار ثابت 70 مگاوات و بار متغییر به میزان ده درصد کل بار شبکه شبیه سازی شده که در فصل چهارم کامل به آن پرداخته شده است .
1-1-7 لزوم استفاده نیروگاه ذخیره انرژی در شبکه:به دلیل عدم همزمانی پیک مصرف بار و پیک تولید توان از نیروگاه خورشیدی استفاده از سیستم ذخیره انرژی اجتناب ناپذیر می باشد. نیروگاه خورشیدی به علت تزریق سریع توان و جذب سریع انرژی الکتریکی در بالانس کردن توان در شبکه نقش بسزایی می تواند داشته باشد. همان طورکه در شکل 4-31 مشاهده می شود نتایج شبکه در حضور و عدم حضور باطری مقایسه شده است با توجه به نتایج می توان نتیجه گرفت که برای دریافت حداکثر انرژی خورشیدی، به وجود نیروگاه ذخیره انرژی لازم می باشد.
1-1-8 روش کنترلی هوشمند استفاده شده و معیار اندازه گیری انحراف فرکانس:در میان انواع مختلف کنترل فرکانس بار، به طور گسترده از کنترل معمولی استفاده می شود کنترل کننده انتگرال متناسب ساده برای اجرای و پاسخ دینامیکی بهتر جواب میدهد ،اما اجرای آنها هنگامی که در سیستم پیچیدگی افزایش می یابد بدتر شده به دلیل اختلالات مانند تنوع بار دینامیکی است. بنابراین، نیاز به یک کنترل کننده که میتواند غلبه بر این مشکل کند وجود دارد. کنترل هوشمند مصنوعی مانند روش های کنترل فازی و عصبی در این راستا مناسب تر است. سیستم فازی شده است مشکلات کنترل فرکانس بار را حل کرده و نتایج امیدوار کننده بهتری نیز از آن داریم. از ویژگیهای برجسته از این تکنیک این است که شرح مدل سازی سیستمهای کنترل و شناسایی مدل نیاز ندارد. کنترل فازی در سیستم های پیچیده و غیر خطی عملکرد بهتر نسبت به کنترل متعارف ارائه می دهد و تعداد متغییر های مورد استفاده برای آن نسبت به کارایی آن بسیار بالا می باشد.[3] [4]
از میان روش ها برای معیار خطا می توان به روابط 2-4 و2-5 اشاره کرد که معیار مربع خطا و قدر مطلق خطا می باشد و برای حداقل کردن آن به عنوان تابع هدف می کوشیم.
1-1-9 مزیت روش پیشنهادیدر مرجع[33] از نیروگاه خورشیدی استفاده شده در شبکه، در راستای کنترل فرکانس نیز استفاده شده است، مقداری از توان به شبکه تزریق می شود که انحراف فرکانس جبران شود در نتیجه نقطه کار سیستم پنل خورشیدی در نقطه کار حداکثر نمی باشد، در این پایان نامه سعی بر تزریق حداکثر توان نیروگاه خورشیدی به شبکه قدرت می باشد. استفاده از انرژی های تجدید پذیر و مخصوصا نیروگاه های خورشیدی و در میان آنها سیستم های فتوولتاییک نقش به سزایی را در شبکه های حال حاضر ایفا کرده و هر روزه راندمان و روش های ردیابی بازده توانی آنها بیشتر می شود در نتیجه تعداد نیروگاه های خورشیدی در شبکه رو به افزایش می باشد. به دلیل نوساناتی که در شرایط جوی به وجود می آید باعث نوسانات فرکانس در شبکه می شود. با توجه به هزینه های زیاد تولید پنل های خورشیدی و نصب آن ها حداکثر توان را به شبکه انتقال می دهیم که نیاز به کنترل فرکانس امری ضروری است، کنترل هوشمند در شبکه با توجه به تغییرات در شبکه بسیار کارامد بوده و نسبت به روش های موجود دارای متغییر های کمتر و انعطاف پذیری بیشتری می باشد.
1-1-10آنچه پیشرو داریم:فصل دوم :بررسی مقاله هایی که تا کنون در مورد سیستم های خورشیدی ارائه شده است. موضوع مقاله ها :معادلات پنل های خورشیدی، ردیابی نقطه کار حداکثر توان پنل ها و روش های کنترل فرکانس این گونه شبکه ها و کنترلر های هوشمند و غیره می باشد.
فصل سوم: در این فصل برای کنترل فرکانس از سیستم کنترلی هوشمند استفاده شده که به صورت خودکار ضرایب را برای نیروگاه گازی و باتری محاسبه می کند. روش کنترل فازی و الگوریتم پرندگان برای یافتن تابع بهینه تشریح داده شده است.
فصل چهارم : در این فصل به بررسی فرکانس شبکه در حضور نیروگاه خورشیدی و باطری و تغییر بار سیستم می پردازیم. شبیه سازی کامل اجزا از جمله نیروگاه خورشیدی و ردیاب حداکثر توان آن و سیستم اینورتر و نیروگاه گازی و نیروگاه ذخیره باطری و سیستم قدرت با ولتاژ 230کیلو ولت پرداخته شده است و شامل نتایج حاصل از شبیه سازی می باشد.
فصل پنجم: شامل نتیجه گیری و پیشنهادات می باشد.
فصل دومادبیات موضوعمقدمه:در این فصل به بررسی روشها و کارهای انجام شده قبلی، در این خصوص می پردازیم. در ابتدا روش های معمولی کنترل فرکانس، با داشتن ضرایب حالت سیستم برای کنترل یا روش های به دست آوردن ضرایب حالت سیستم پرداخته و سپس روشهای هوشند مختلف در این مبحث را بررسی می نماییم.
2-1 کنترل فرکانس از دیدگاه کنترلی2-1-1 کنترل کننده PIیکی از قوانین کنترل که به طور گسترده ای در گاورنر سیستم های قدرت حرارتی و آبی، کنترل مورد استفاده قرار میگیرد از نوع PI است. ضریب تناسبی از کنترلر، سیگنال کنترل تناسبی از خطا در سیستم را تولید می کند، به طوری که u(t)=Kp∙e(t) به طور معمول، با توجه به تغییر پله ای از تقاضای بار، در مقادیر کم از Kp منجر به رسیدن پاسخ پایدار با خطای بزرگ در حالت پایدار می شود. مقادیر زیاد Kp عملکرد بهتر حالت پایدار را دارد، اما پاسخ گذرا را بدتر می کند. بنابراین، مقدار زیاد از Kp برای کاهش خطای حالت ماندگار استفاده می شود ، اگر چه افزایش Kp باعث کاهش ثابت زمان سیستم و میرایی می شود. بنابراین آشکار است که مقدار مناسب از Kp را باید انتخاب کرد. یک راه معمول برای کاهش خطای حالت ماندگار ادغام انتگرالگیر به کنترل است .در اینجا، سیگنال کنترلی تولید شده با انتگرال خطا متناسب است u(t)=ki∙e(t)∙dt که، ki ضریب انتگرالگیر است.وقتی که یک خطا وجود داشته باشد، انتگرال به افزایش مقدار کنترلی پرداخته، در نتیجه سوی خروجی سیستم تمایل به خروجی تقاضا می رود. خروجی پیوسته انتگرال می تواند برای حفظ عمل کنترل لازم برای شرایط حالت پایدار مورد استفاده قرار گیرد .اما اگر ضریب انتگرال ki به اندازه کافی بالا باشد، بالا زدگی رخ افزایش یافته که این بسیار نامطلوب است. مقدار پایین از ki کاهش بالا زدگی، اما افزایش زمان رسیدن به پاسخ نهایی سیستم را کاهش می دهد. با توجه به بحث لازم است به طراحی هر دو Kp و Κi به درستی طراحی شود.
کنترل سنتی برای سیستمها باعث یک پذیرش توافقی میان بالازدگی و زمان نشست می شود، حال با روش های کنترلی مدرن قادر به حصول نتایج بهتر هستیم در راستای دسترسی به متغیر های کامل سیستم که برای کنترل کردن مورد نیاز باشد برخی مقالات به طراحی رویتگر و طراحی بهینه آن پرداخته اند. به عنوان مثال متدی که در [5] گفته شده با استفاده نیروگاه خورشیدی و اینورتر برای تولید توان مورد نیاز، شاخص های درونی سیستم را محاسبه کرده است.
وقتی شبکه گسترده با چندین ژنراتور و بار های جدا شده با خطوط ولتاژ بالا داریم، می توانیم آن را به نواحی مختلف تقسیم بندی کرده و هر ناحیه علاوه بر کنترل فرکانس خود، برای حداقل کردن توان بین ناحیه ای نیز کنترل در نظر گرفته شود. [6]
مقاله [7] به دو طرح کنترل غیر متمرکز برای کنترل بار فرکانس سیستم های قدرت به هم پیوسته پرداخته است. اولین کنترلر از فیدبک حالت کنترل خطی و کنترلر دوم حالت کنترل غیر خطی استفاده کرده است. هردو طرح کنترلی با استفاده از نظریه لیاپانف طراحی شده است. قانون کنترل از دو قسمت تشکیل شده، بخش اول کنترل با استفاده از روش تغییر مکان قطب طراحی شده، که در رابطه 2-1 نشان داده شده است و بخش دوم از کنترل کننده طراحی شده، برای تضمین یکنواخت بودن محدوده نهایی مدار سیستم استفاده می شود.
2-1 Ac = A – BK
در شبکه واقعی تمام پارامترهای مورد نیاز را نمی توانیم با اندازه گیری داشته باشیم و برای کنترل کننده استفاده نماییم در نتیجه در مرجع [8] یک مشاهده گر مرتبه اول برای تولید توان سیستم خورشیدی طراحی نموده که بتوان با آن انحراف فرکانس را کاهش داد.
2-1-2روش دو درجه ی آزادی در کنترل داخلی :یک روش جدید تنظیم PID برای کنترل بار فرکانس از سیستم های قدرت در مرجع [9] مورد بحث قرار گرفته است. روش تنظیم بر اساس دو درجه آزادی (TDF)در کنترل مدل داخلی(IMC) طراحی و تقریب PID عمل کرده است. عملکرد در حوزه زمان و مقاوم بودن از کنترلر PID به تنظیم دو پارامتر مربوط است. این روش برای سیستم های قدرت با سیستم دارای بازگرم کن، غیر بازگرم کن، و توربین های آبی قابل اجرا بوده و نتایج شبیه سازی نشان می دهد که در میرایی سیستم های قدرت می تواند موثر باشد.

شکل 2-1 ساختارTDF-IMC
در اینجا ساختار روش دو درجه ی آزادی در کنترل داخلی برای طراحی مدل کنترل کننده بار فرکانس که یک ساختار کنترل فرآیند محبوب است در شکل 1-15 نشان داده شده است، که در آنP مدل کنترل شده است و p~ مدل مورد نظر بوده و Q و Qd دو کنترلر آزاد هستند. [9]
در مرجع [10] کنترل فرکانس شبکه متصل به نیروگاه فتوولتاییک مبتنی بر یک استراتژی کنترل فرکانس استفاده از APC برای اینورتر PV در یک شبکه جزیره ای ترکیبی از تولید توان با سیستم فتوولتاییک و مدل دیزل به عنوان وسیله ای برای کاهش تغییرات فرکانس مورد بحث و حصول اطمینان از حداقل بارگذاری تولید دیزل در نظر گرفته شده است. نشان داده شده است که پارامترهای اصلی از طرح کنترلی در زمانی که از روش معمول استفاده کرده از انعطاف پذیری برای بهبود عملکرد سیستم در زمانی که یک بار به شبکه اضافه می شود، دارای معیار مطلوبی نیست. همچنین اگر دقت شود ورود بار با مقدار بالا در مقایسه با مصرف سوخت در بار کم و دوره نفوذ بالای توان خورشیدی در کنترل فرکانس که وجود ذخیره انرژی را لحاظ نکرده است، برای ما نیز دارای اهمیت است. با این وجود سیستم کنترلی از طرح ساده بهره برده است که در دو دامنه فرکانسی برای تصمیم گیری برای تعیین توان نفوذی استفاده می کند.از این لحاظ سیستم های کنترل هوشمند و به خصوص روش فازی، قوی تر و کارآمدتر هستند .
2-2روش های کنترل هوشمند2-2-1الگوریتم ژنتیک
الگوریتم ژنتیک برای حل یک مسئله، مجموعه بسیار بزرگی از راه‌حل های ممکن را تولید می‌کند. هر یک از این راه‌حلها با استفاده از یک تابع تناسب مورد ارزیابی قرار می‌گیرد. آنگاه تعدادی از بهترین راه‌حلها باعث تولید راه‌حلهای جدیدی می‌شوند. که این کار باعث تکامل راه‌حل ها می‌گردد. بدین ترتیب فضای جستجو در جهتی تکامل پیدا می‌کند که به راه‌حل مطلوب دست میآید. در صورت انتخاب صحیح پارامترها، این روش می‌تواند بسیار موثر عمل نماید
الگوریتم ژنتیک به جای جستجوی فرضیه‌های کلی به خاص و یا ساده به پیچیده ،فرضیه‌های جدید را با تغییر و با ترکیب متوالی اجزا، بهترین فرضیه‌های موجود را بدست می‌آورد. در هر مرحله مجموعه‌ای از فرضیه‌ها که جمعیت نامیده می‌شود از طریق جایگزینی بخشی از جمعیت فعلی با فرزندانی که از بهترین فرضیه‌های موجود حاصل شده‌اند بدست می‌آید.
الگوریتم های ژنتیک به طور وسیعی برای حل مسائل بهینه سازی غیرخطی پیچیده در بسیاری از رشته های مهندسی و در زمینه کنترل سیستم های قدرت به کاربرده می شود. در ادبیات موضوع از الگوریتم ژنتیک برای تنظیم بهینه پارامترهای کنترل خودکار و تنظیم توابع عضویت و مجموعه قوانین برای برنامه ریزی فازی کنترلرها استفاده شده و نتایج بهتری نسبت به روشهای معمول سعی و خطا بدست آمده است. [26]
الگوریتم‌های ژنتیک در مسائلی که فضای جستجوی بزرگی داشته باشند می‌تواند به کار گرفته شود. همچنین در مسایلی با فضای فرضیه پیچیده که تاثیر اجزا آن در فرضیه کلی ناشناخته باشند می‌توان از الگوریتم ژنتیک برای جستجو استفاده نمود. همچنین برای بهینه سازی گسسته بسیار مورد استفاده قرار می‌گیرد.
الگوریتم‌های ژنتیک را می‌توان به راحتی به صورت موازی اجرا نمود. امکان به تله افتادن این الگوریتم در مینیمم محلی کمتر از سایر روش ها است. البته از لحاظ محاسباتی پرهزینه هستند و تضمینی برای رسیدن به جواب بهینه وجود ندارد. در الگوریتم ژنتیک معمولا



قیمت: 11200 تومان

این نوشته در پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *