مدل‌سازی و تحلیل پایداری مبدل سپیک به روش الگوریتم چند هدفه‏‏ ی گرگ خاکستری

محورهای موضوعی : مهندسی برق الکترونیک

سید محمد ناجی اصفهانی ¹ (دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران)
سید حمید ظهیری ² (دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران)
مجید دلشاد ³ (دانشکده مهندسی برق، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، خوراسگان، اصفهان، ایران)

تاریخ دریافت : 1401/01/02 تاریخ پذیرش : 1401/04/26 تاریخ انتشار : 1401/06/01

کلید واژه: کنترل‏ کننده PID, الگوریتم چند هدفه‏ ی گرگ خاکستری, مبدل سپیک,

چکیده مقاله :

این مقاله پایداری حلقۀ بستۀ مبدل سپیک با به کارگیری کنترل کننده PID بهینه را بررسی می‌کند. در این مدل پارامتر‌ها با استفاده از الگوریتم چند هدفۀ گرگ خاکستری تنظیم می‌شوند. الگوریتم چند هدفه گرگ خاکستری، الگوریتم تصادفی الهام گرفته شده از تکامل طبیعی است و در سال‌های اخیر به صورت گسترده به عنوان تکنیک بهینه سازی در الکترونیک قدرت استفاده می‌شود. روش میانگین فضای حالت برای مدل‌سازی و دستیابی به تابع انتقال سیستم مبتنی بر مبدل استفاده شده است. بنابراین کنترل کننده PID مبتنی بر الگوریتم چند هدفۀ گرگ خاکستری در سیستم مطالعه و پیاده سازی شده است تا امکان ارزیابی پایداری مبدل و مقایسه آن با کنترل کننده PID مرسوم فراهم شود. برای بررسی پایداری سیستم، پارامتر‌های عملکردی مختلف مثل درصد فراجهش، زمان اوج، زمان نشست و اندازه پیک در نظر گرفته شده اند. پاسخ ضربۀ سیستم حلقۀ بسته با شبیه سازی در متلب به دست آمده است. عملکرد مدل ارزیابی شده است تا تحلیل مقایسه‌ای کلی سیستم انجام شود.

چکیده انگلیسی:

This paper investigates the closed loop stability of the SEPIC converter using an optimal PID controller; In this model, the parameters are adjusted using the Gray Wolf Multi-Objective (MOGWO) algorithm. The Gray Wolf Multi-Objective Algorithm is a random evolution-inspired random algorithm that has been widely used in recent years as an optimization technique in power electronics. The state mode average method has been used to model and achieve the transducer-based system transfer function. Therefore, the MOGWO-based PID controller has been studied and implemented in the system to enable the converter stability to be evaluated and compared with conventional PID controllers. To evaluate the stability of the system, various performance parameters such as overtaking percentage, peak time, settling time and peak size have been considered. The impact response of the closed-loop system is obtained by simulation in MATLAB. The performance of the model is evaluated to perform a general comparative analysis of the system.

منابع و مأخذ:

[1]      V. A. K. Prabhala, P. Fajri, V. S. P. Gouribhatla, B. P. Baddipadiga, and M. Ferdowsi, “A DC-DC Converter with High Voltage Gain and Two Input Boost Stages,” IEEE Trans. Power Electron., vol. 31, no. 6, pp. 4206–4215, 2016, doi: 10.1109/TPEL.2015.2476377.

[2]      H. L. Cheng, Y. N. Chang, L. C. Hwang, H. C. Yen, S. Y. Chan, and W. F. Yang, “A high-power-factor dimmable led driver with integrated boost converter and half-bridge-topology converter,” Appl. Sci., vol. 10, no. 8, 2020, doi: 10.3390/APP10082775.

[3]      M. Khodabandeh, E. Afshari, and M. Amirabadi, “A Family of ĆUK, Zeta, and SEPIC Based Soft-Switching DC-DC Converters,” IEEE Trans. Power Electron., vol. 34, no. 10, pp. 9503–9519, Oct. 2019, doi: 10.1109/TPEL.2019.2891563.

[4]      M. R. Banaei and S. G. Sani, “Analysis and Implementation of a New SEPIC-Based Single-Switch Buck-Boost DC-DC Converter with Continuous Input Current,” IEEE Trans. Power Electron., vol. 33, no. 12, pp. 10317–10325, 2018, doi: 10.1109/TPEL.2018.2799876.

[5]      D. Kumar, R. A. Gupta, and H. Tiwari, “A Novel High Voltage Gain SEPIC Converter Based on Hybrid Split-Inductor for Renewable Application,” IETE J. Res., vol. 0, no. 0, pp. 1–17, 2020, doi: 10.1080/03772063.2020.1768904.

[6]      L. Bachouch, L. Bouslimi, and L. El Amraoui, “Power losses minimization in the SEPIC DC-DC converter using Particle Swarm Optimization technique (PSO),” 19th Int. Conf. Sci. Tech. Autom. Control Comput. Eng. STA 2019, pp. 388–393, 2019, doi: 10.1109/STA.2019.8717286.

[7]      T. Shamsi, M. Delshad, E. Adib, and M. R. Yazdani, “A New Simple-Structure Passive Lossless Snubber for DC_DC Boost Converters,” IEEE Trans. Ind. Electron., vol. 0046, no. c, pp. 1–1, 2020, doi: 10.1109/tie.2020.2973906.

[8]      F. Ghasemi, M. R. Yazdani, and M. Delshad, “Step-Up DC-DC Switching Converter with Single Switch and Multi-Outputs Based on Luo Topology,” IEEE Access, vol. 10, pp. 16871–16882, 2022, doi: 10.1109/ACCESS.2022.3150316.

[9]      B. Pid, D. S. Converter, M. M. Nishat, F. Faisal, A. Hoque, and A. J. Evan, “Stability Analysis and Optimization of Simulated Annealing ( SA ) Algorithm Stability Analysis and Optimization of Simulated Annealing ( SA ) Algorithm Based PID Controller for DC-DC SEPIC Converter,” no. September, 2019.

[10]     M. R. Banaei and S. G. Sani, “Analysis and Implementation of a New SEPIC-Based Single-Switch Buck-Boost DC-DC Converter with Continuous Input Current,” IEEE Trans. Power Electron., vol. 33, no. 12, pp. 10317–10325, Dec. 2018, doi: 10.1109/TPEL.2018.2799876.

[11]     P. I. D. Tuner, “Designing PID for Disturbance Rejection,” pp. 1–8, 2017.

[12]     K. S. Chia, “Ziegler-nichols based proportional-integral-derivative controller for a line tracking robot,” Indones. J. Electr. Eng. Comput. Sci., vol. 9, no. 1, pp. 221–226, 2018, doi: 10.11591/ijeecs.v9.i1.pp221-226.

[13]     Q. Al-Tashi et al., “Binary Multi-Objective Grey Wolf Optimizer for Feature Selection in Classification,” IEEE Access, vol. 8, pp. 106247–106263, 2020, doi: 10.1109/ACCESS.2020.3000040.

[14]     Z. K. Pourtaheri, S. H. Zahiri, and S. M. Razavi, “Stability investigation of multi-objective heuristic ensemble classifiers,” Int. J. Mach. Learn. Cybern., vol. 10, no. 5, pp. 1109–1121, 2019, doi: 10.1007/s13042-018-0789-6.

[15]     M. I. Solihin, L. F. Tack, and M. L. Kean, “Tuning of PID Controller Using Particle Swarm Optimization (PSO),” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 1, no. 4, p. 458, 2011, doi: 10.18517/ijaseit.1.4.93.

[16]     I. Behravan, O. Dehghantanha, and S. H. Zahiri, “An optimal SVM with feature selection using multi-objective PSO,” 1st Conf. Swarm Intell. Evol. Comput. CSIEC 2016 - Proc., vol. 2016, pp. 76–81, 2016, doi: 10.1109/CSIEC.2016.7482135.

[17]     S. Ravikumar, H. Vennila, and R. Deepak, “Hybrid power generation system with Total Harmonic Distortion minimization using improved Rider Optimization Algorithm: Analysis on converters,” J. Power Sources, vol. 459, no. August 2019, p. 228025, 2020, doi: 10.1016/j.jpowsour.2020.228025.

[18]     N. Elsayad, H. Moradisizkoohi, and O. Mohammed, “A New SEPIC-Based Step-Up DC-DC Converter with Wide Conversion Ratio for Fuel Cell Vehicles: Analysis and Design,” IEEE Trans. Ind. Electron., vol. 0046, no. c, pp. 1–1, 2020, doi: 10.1109/tie.2020.3007110.

[19]     S. Durgadevi and M. G. Umamaheswari, “Analysis and Design of Single Phase Power Factor Correction using DC-DC SEPIC Converter with Bang-Bang and PSO based Fixed PWM Techniques,” Energy Procedia, vol. 117, pp. 79–86, 2017, doi: 10.1016/j.egypro.2017.05.109.

[20]     S. Mirjalili, S. M. Mirjalili, and A. Lewis, “Grey Wolf Optimizer,” Adv. Eng. Softw., vol. 69, pp. 46–61, 2014, doi: 10.1016/j.advengsoft.2013.12.007.

[21]     S. Mirjalili, S. Saremi, S. M. Mirjalili, and L. D. S. Coelho, “Multi-objective grey wolf optimizer: A novel algorithm for multi-criterion optimization,” Expert Syst. Appl., vol. 47, pp. 106–119, 2016, doi: 10.1016/j.eswa.2015.10.039.

[22]     A. Y. Jaen-Cuellar, R. D. J. Romero-Troncoso, L. Morales-Velazquez, and R. A. Osornio-Rios, “PID-controller tuning optimization with genetic algorithms in servo systems,” Int. J. Adv. Robot. Syst., vol. 10, 2013, doi: 10.5772/56697.

[23]     M. H. B. Chaleshtari, E. Norouzi, and H. Ahmadi, “Optimizing control motion of a human arm with PSO-PID controller,” J. Comput. Appl. Res. Mech. Eng., vol. 7, no. 1, pp. 23–34, 2017, doi: 10.22061/JCARME.2017.645.