کنترل فرکانس ریزشبکه در حالت جزیره ای با استفاده از ذخیره سازها به کمک الگوریتم بهینه سازی وال

محورهای موضوعی : مهندسی برق ( الکترونیک، مخابرات، قدرت، کنترل)

هادی مهدوی پرچین سفلی ^{1 *} , حسین نعمتی کلخوران ² , بهروز الفی ³ , حسین شایقی ⁴

1 - دانشگاه آزاد اسلامی واحد اردبیل
2 - دانشکده مهندسي برق- واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ايران
3 - برق،دانشکده فنی مهندسی،دانشگاه آزاد اسلامی واحد اردبیل، ایران
4 - هیات علمی / دانشگاه محقق اردبیلی

تاریخ دریافت : 1403/12/20 تاریخ پذیرش : 1404/03/26 تاریخ انتشار : 1404/03/30

کلید واژه: کنترل فرکانس ریزشبکه, الگوریتم بهینه سازی وال (WOA), سیستم ذخیره انرژی (BESS).,

چکیده مقاله :

کنترل موثر در عملکرد جزیره ای ریزشبکه مستلزم کنترل سیستم ذخیره انرژی با سایر منابع کنترل پذیر ریزشبکه است. در طی عملکرد جزیره ای، تعادل توان بین تولید و تقاضا به صورت آنی برقرار نیست. در نتیجه فرکانس ریزشبکه نوسان خواهد کرد و تا زمانی که مکانیزم مناسبی برای متعادل کردن توان وجود نداشته باشد ممکن است سیستم را به خاموشی بکشاند. سیستم ذخیره انرژی در زمان میلی ثانیه پاسخ می دهد. واضح است که سیستم ذخیره انرژی باید نقش مهمی را در حفظ پایداری فرکانسی طی عملکرد جزیره ای ایفا نماید. ریزشبکه ها به عنوان یک الگو برای سیستم قدرت آینده مورد توجه قرار گرفته اند. آنها می توانند چندین منبع انرژی تجدیدپذیر را در کنار یکدیگر قرار دهند و برق با قابلیت اطمینان بالا تامین نمایند. تجهیزات الکترونیک قدرت در منابع تولید پراکنده ریزشبکه ها می توانند قابلیت آنها را در تقابل با اختلالات و عدم قطعیت ها افزایش دهند. اخیراً، نشان داده شده است که ریزشبکه ها با بکارگیری سیستم های ذخیره انرژی باتری می توانند عملکرد خود را بهبود بخشند. سیستم ذخیره ساز به عنوان یک تولید کننده انرژی برای منابع تجدیدپذیر عمل می کند و می تواند  برای تغییرات کوتاه مدت توان خروجی منابع تجدیدپذیر انرژی را جبرانسازی نماید. به دلیل اینکه ذخیره سازها می تواند جبرانسازی توان اکتیو سریع انجام دهد، می تواند برای بهبود عملکرد کنترل فرکانس بار مورد استفاده قرار گیرد. ریزشبکه مورد آزمایش، شامل: واحدهای تولید پراکنده دیزل ژنراتور ، فتوولتاییک، پیل سوختی به همراه الکترولایزر و توربین بادی و واحدهای ذخیره کننده انرژی  پراکنده چرخ طیار و باتری است. در این مقاله کنترل فرکانس ریزشبکه با استفاده از ذخیره سازها به کمک الگوریتم بهینه سازی وال مطالعه شده است. نتایج بدست آمده نشان می دهد که تابع هدف با استفاده از کنترل کننده پیشنهادی بسیار مطلوب می باشد.

چکیده انگلیسی:

Effective control of microgrid islanding requires controlling the energy storage system with other controllable microgrid resources. During island operation, the power balance between production and demand is not instantaneous. As a result, the microgrid frequency will fluctuate and may cause the system to shut down unless there is a proper mechanism to balance the power. The energy storage system responds in milliseconds. It is clear that the energy storage system must play an important role in maintaining frequency stability during islanding operation. Microgrids have been considered as a model for the future power system. They can combine multiple renewable energy sources and provide highly reliable electricity. Power electronics in distributed generation sources of microgrids can increase their ability to cope with disturbances and uncertainties. Recently, it has been shown that microgrids can improve their performance by using battery energy storage systems. The storage system acts as an energy producer for renewable sources and can compensate for short-term changes in the output power of renewable energy sources. Because storage devices can perform fast active power compensation, they can be used to improve the performance of load frequency control. The tested microgrid includes: distributed generation units of diesel generator, photovoltaic, and fuel cell with electrolyzer and wind turbine, and distributed energy storage units of flywheel and battery. In this paper, the frequency control of microgrid using storage devices is studied using the Wall optimization algorithm. The obtained results show that the objective function using the proposed controller is very desirable.

منابع و مأخذ:

[1] J-Y. Kim, J-H. Jeon, S-K Kim, C. Cho, J. H. Park, H-M Kim, and K-Y Nam, “Cooperative Control Strategy of Energy Storage System and Microsources for Stabilizing the Microgrid during Islanded Operation,” IEEE Trans. Power Electron., vol. 25, no. 12, pp. 3037-3048, Dec. 2010.
[2] D. Andor, “Energy Storage systems for wind energy integration, technology, application and benefit analysis,” thesis, 2015
[3] Zhong, C., Zhao, H., Liu, Y., & Liu, C. (2024). Model predictive secondary frequency control of island microgrid based on two-layer moving-horizon estimation observer. Applied Energy, 372, 123721.
[4] Pathak, A. K., & Prasad, S. (2024, August). Renewable Power Integrated Island Microgrid based Frequency Controller. In 2024 International Conference on Electrical Electronics and Computing Technologies (ICEECT) (Vol. 1, pp. 1-6). IEEE.
[5] F. Katiraei, M. Iravani, and P. Lehn, “Micro-grid autonomous operation during and subsequent to islanding process,” IEEE Trans. Power Delivery, vol. 20, no. 1, pp. 248-257, January 2005
[6] R. Arora, S. Dahiya, "Dynamic Stability Enhancement of Power System using PSO Optimized Fuzzy Power System Stabilizer," 6th IEEE International Power India Conference (PIICON), 2014
[7] H. Shayeghi and A. Ghasemi, "Improvement of Frequency Fluctuations in Microgrids Using an Optimized Fuzzy P-PID Controller by Modified Multi Objective Gravitational Search Algorithm," Iranian Journal of Electrical & Electronic Engineering, Vol. 12, No. 4, December 2016
[8] Seyedali Mirjalili, Andrew Lewis, "The Whale Optimization Algorithm," Advances in Engineering Software 95 (2016) 51–67
[9] Rabindra Kumar Sahu, Sidhartha Panda, Pratap Chandra Pradhan, "Design and analysis of hybrid firefly algorithm-pattern search based fuzzy PID controller for LFC of multi area power systems," Electrical Power and Energy Systems 69 (2015) 200–212
[10] Shabani H, Vahidi B, Ebrahimpour M. A robust PID controller based on imperialist competitive algorithm for load–frequency control of power systems. ISA Trans 2012; 52: 88–95.
[11] N. S. Srivatchan, P. Rangarajan and S. Rajalakshmi, "Robust PI Controller for Frequency Stabilisation of Islanded Microgrid Operation using Battery Energy Storage System," Indian Journal of Science and Technology, Vol 8(29), November 2015
[12] S.Kalyani, S. Nagalakshmi and Marisha. R, "LOAD FREQUENCY CONTROL USING BATTERY ENERGY STORAGE SYSTEM IN INTERCONNECTED POWER SYSTEM," ICCCNT'12, July 2012, Coimbatore, India IEEE

متن کامل:



مجله مهندسی برق و سیستم های هوشمند سال اول، شماره 4، زمستان 1403

کنترل فرکانس ریزشبکه در حالت جزیره ای با استفاده از ذخیره سازها به کمک الگوریتم بهینه سازی وال

 

حسین نعمتی1، بهروز الفی2، هادی مهدوی3و*، حسین شایقی4

چکیده
کنترل موثر در عملکرد جزیره ای ریزشبکه مستلزم کنترل سیستم ذخیره انرژی با سایر منابع کنترل پذیر ریزشبکه است. در طی عملکرد جزیره ای، تعادل توان بین تولید و تقاضا به صورت آنی برقرار نیست. در نتیجه فرکانس ریزشبکه نوسان خواهد کرد و تا زمانی که مکانیزم مناسبی برای متعادل کردن توان وجود نداشته باشد ممکن است سیستم را به خاموشی بکشاند. سیستم ذخیره انرژی در زمان میلی ثانیه پاسخ می دهد. واضح است که سیستم ذخیره انرژی باید نقش مهمی را در حفظ پایداری فرکانسی طی عملکرد جزیره ای ایفا نماید. ریزشبکه ها به عنوان یک الگو برای سیستم قدرت آینده مورد توجه قرار گرفته اند. آنها می توانند چندین منبع انرژی تجدیدپذیر را در کنار یکدیگر قرار دهند و برق با قابلیت اطمینان بالا تامین نمایند. تجهیزات الکترونیک قدرت در منابع تولید پراکنده ریزشبکه ها می توانند قابلیت آنها را در تقابل با اختلالات و عدم قطعیت ها افزایش دهند. اخیراً، نشان داده شده است که ریزشبکه ها با بکارگیری سیستم های ذخیره انرژی باتری می توانند عملکرد خود را بهبود بخشند. سیستم ذخیره ساز به عنوان یک تولید کننده انرژی برای منابع تجدیدپذیر عمل می کند و می تواند برای تغییرات کوتاه مدت توان خروجی منابع تجدیدپذیر انرژی را جبرانسازی نماید. به دلیل اینکه ذخیره سازها می تواند جبرانسازی توان اکتیو سریع انجام دهد، می تواند برای بهبود عملکرد کنترل فرکانس بار مورد استفاده قرار گیرد. ریزشبکه مورد آزمایش، شامل: واحدهای تولید پراکنده دیزل ژنراتور ، فتوولتاییک، پیل سوختی به همراه الکترولایزر و توربین بادی و واحدهای ذخیره کننده انرژی  پراکنده چرخ طیار و باتری است. در این مقاله کنترل فرکانس ریزشبکه با استفاده از ذخیره سازها به کمک الگوریتم بهینه سازی وال مطالعه شده است. نتایج بدست آمده نشان می دهد که تابع هدف با استفاده از کنترل کننده پیشنهادی بسیار مطلوب می باشد.
کلمات کلیدی: کنترل فرکانس ریزشبکه، الگوریتم بهینه سازی وال، سیستم ذخیره انرژی.	دريافت مقاله: 1403/09/05 پذيرش مقاله: 1404/02/05

 

1-مقدمه¹

1-       مفهوم ریزشبکه به مجموعه ای از بارها، منابع تولید و ذخیره انرژی گفته می شود که به صورت یک بار قابل کنترل یا ژنراتور عمل کرده و می توانند توان و حرارت را برای یک ناحیه محلی فراهم نمایند. این مفهوم الگوی جدیدی را برای بهره برداری تولیدات پراکنده در سطح شبکه توزیع ارائه نموده و امکان کنترل محلی و سازماندهی خودکار بهره برداری تولید پراکنده را فراهم می نماید .

وضعیت های بهره برداری ریز شبکه، بسته به سطح تبادلات بین ریز شبکه و شبکه اصلی می تواند به صورت مستقل یا متصل به شبکه طبقه بندی گردد. در وضعیت مستقل اتصالی بین ریز شبکه و شبکه اصلی وجود ندارد و ریزشبکه باید خود پایدار گردد. ریزشبکه های متصل به شبکه، شبکه اصلی را به عنوان پشتیبان در اختیار دارند. همچنین آنها می توانند در زمان های مشخصی از شبانه روز یا در تعمیرات برنامه ریزی شده تجهیز شبکه اصلی به صورت مستقل کار کنند. اجتماع تولیدات پراکنده نظیر فتوولتائیک و توربین بادی و همچنین نوسانات بزرگ بار منجر به ایجاد مساله ای مهم از پایداری فرکانسی شده است. به منظور عملکرد رضایت بخش یک سیستم قدرت ثبات فرکانس امری الزامی است. ثبات فرکانس یک سیستم قدرت بستگی به تعادل توان حقیقی دارد و از آنجا که فرکانس عامل مشترکی در سرتاسر سیستم است، هر تغییری در تقاضای توان حقیقی یک نقطه به شکل تغییر فرکانس در سرتاسر سیستم منعکس می شود. از اینرو تعادل توليد و مصرف ریزشبکه، یکی از مهمترین ضروریات مدیریت ریزشبکه است. در حالت اتصال به شبکه، تعادل توليد و مصرف در ریزشبکه توسط تبادل توان با شبکه اصلی به دست می آید. ولی در حالت جدا از شبکه از آنجایی كه منابع مورد استفاده در ریزشبکه نظير دیزل ژنراتورها پاسخ زمانی كندی دارند و همچنين منابع تجدیدپذیر دارای توليد تناوبی می باشند در صورت قطع ریزشبکه از شبکه اصلی و یا تغيير بار در حالت ایزوله، قادر به تأمين سریع توان بالانس ریزشبکه نبوده، در نتيجه ولتاژ و فركانس دچار نوسان می شوند و ممکن است ریزشبکه از دست برود [1]. به همين دليل در ریزشبکه ها عموماً از منبع ذخيره ساز انرژی و استراتژی قطع بار برای ادامه عملکرد پایدار ریزشبکه، در لحظه جدا شدن ریزشبکه از شبکه بالا دست و حالت عملکرد ایزوله، استفاده می شود عملکرد مناسب یک ریزشبکه تنها در صورت وجود یک سيستم كنترل مناسب امکانپذیر است. تحت شرایط عادی سیستم، ریزشبکه به شبکه سراسری متصل بوده و بارها از طریق منابع محلی یا در صورت نیاز از طریق شبکه سراسری تغذیه می شوند. اما در صورت بروز اغتشاش در سیستم، تولید و بار متناظر یک ریزشبکه می توانند از شبکه توزیع جدا شود، تا بارهای ریزشبکه ازاغتشاش مصون بمانند. بنابراین توانایی ریزشبکه در جزیره ای شدن از سیستم، می تواند باعث کاهش قطعی برق مصرف کننده و در نتیجه افزایش قابلت اطمینان شبکه شود.

برای همین مسئله در سال¬های اخیر مطالعات زیادی در حوزه کنترل فرکانس ریزشبکه در حالت جزیره ای صورت گرفته؛ که الگوریتم های فرا اکتشافی به دلیل عملکرد بهتر کنترل کننده سهم بسزایی در این مورد داشته است. برهمین اساس در این مقاله روشی جهت کنترل فرکانس ریزشبکه در حالت جزیره ای با استفاده از ذخیره سازها به کمک الگوریتم بهینه سازی وال (WOA) پیشنهاد شده است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

---

[1] * پست الکترونیک نویسنده مسئول: هادی مهدوی

1. 2. 3.  دانشکده مهندسي برق، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ايران 

4. دانشکده مهندسي برق، دانشگاه محقق اردبیلی، اردبیل، ايران

 

2- معرفی منابع ذخیره انرژی

انرژی الکتریکی در یک سیستم جریان متناوب نمی تواند به صورت الکتریکی ذخیره شود و باید در زمانی که به آن نیاز است تولید گردد. با این وجود برای ذخیره سازی این انرژی می توان آن را به صورت های دیگر انرژی تبدل نمود که البته هر نوع سیستم برای کارآیی مناسب نیاز به وجود یک مبدل خوب دارد. بنابراین استفاده از منابع ذخیره ساز انرژی الکتریکی¹ (ESS)، برای ذخیره سازی توان و استفاده در صورت نیاز شبکه یکی از راهکارهایی است که امروزه بسیار مورد توجه قرار گرفته است. سیستم های ذخیره انرژی، نقش مهمی را در پایداری فرکانسی و تعادل میان تولید و مصرف ریزشبکه ها ایفا می کنند. این سیستمها در مواقع کاهش بار شروع به ذخیره انرژی نموده و در مواقع افزایش بار از انرژی ذخیره شده برای تأمین بار اضافی استفاده کرده و تعادل میان تولید و مصرف در ریزشبکه را حداقل برای تأمین بارهای ضروری فراهم می نمایند. بنابر تعریف یک سیستم فیزیکی با قابلیت اخذ انرژی برای توزیع و جایگزینی الکتریسیته در زمانهای بعد را یک منبع ذخیره ساز انرژی الکتریکی می نامند. در این قسمت با توجه به اهمیت منابع ذخیره ساز در شبکه هوشمند به بررسی انواع تکنولوژی های ذخیره سازی می پردازیم [2]. زمانی که حالت بهره برداری جزیره ای اتفاق می افتد یک DG یا گروهی از منابع DG تغذیه سیستم ریزشبکه را که از شبکه برق جدا شده است ادامه می دهند، در این حالت لازم است که یکی از ژنراتورها به عنوان ژنراتور اصلی پشتیبانی فرکانسی و ولتاژی انجام دهد. به طور کلی، یک ژنراتور سنکرون برای رفع این نیاز در نظر گرفته می شود]3[. زمانی که ژنراتور سنکرون وجود نداشته باشد، مبدل منبع ولتاژ (VSC) که به باتری ها متصل می باشد، این عمل اصلی را می تواند انجام دهد. اساس کار منابع ذخیره کننده انرژی مبتنی بر تعادل میان تولید و مصرف است که از جمله این وسایل می توان به باتری ها، سوپر خازن ها و چرخ طیارها اشاره کرد. در واقع منابع ذخیره کننده انرژی همانند ذخیره چرخان در سیستم های قدرت مرسوم عمل می کنند یعنی هنگامی که تولید بیشتر از مصرف است این منابع شارژ شده و در زمان های اضافه بار که ریزشبکه با کمبود تولید روبرو می شود با تزریق توان به شبکه از افت فرکانس و ولتاژ جلوگیری می کنند.

 

3- مطالعات پیشین

تحقیقات متعددی در زمینه کنترل فرکانس ریزشبکه ها ارائه شده­اند. تحقیقات مذکور در زمینه کنترل کننده­ها به دو دسته کلی تقسیم می­شوند؛ کنترل کننده­های مبتنی بر روش­های مرسوم و کنترل کننده­های مبتنی بر الگوریتم­ها فرا ابتکاری. در ادامه به برخی از روش­های پیشنهادی در هر دو حوزه مورد نظر پرداخته می­شود.

در مقاله [4] یک روش مبتنی بر الگوریتم بهینه­سازی نهنگ ترکیبی با تربید شبیه­سازی شده برای طراحی کنترل کننده فرکانس بار سیستم قدرت هیبریدی پیشنهاد شده است. روش پیشنهادی در این مطالعه یک استراتژی برای مدیریت چالش‌های حیاتی که به دلیل نفوذ انرژی خورشیدی و بادی برای پویایی عملیاتی آنها مواجه می­شوند، ارائه می­دهد. برتری رویکرد پیشنهادی با پیشنهادی نسبت به برخی از نتایج تحقیقات و با اعتبارسنجی بلادرنگ تأیید شده که اثربخشی در بهبود عملکرد را در مقایسه با رویکردهای سنتی توجیه می‌کند. در مقاله [5] کنترل فرکانس بار با استفاده از الگوریتم بهینه­سازی ازدحام ذرات و کنترل کننده PID برای نظارت موثر بر خط انتقال پیشنهاد شده است. این مقاله بر مدل‌سازی، بهینه‌سازی، تکنیک‌های کنترل پیشرفته، دانش تخصصی، و اصلاح مکرر سیستم قدرت برای کمک به دستیابی به تنظیمات PID مناسب که کنترل قابل‌اعتماد فرکانس بار در خط انتقال را فراهم می‌کند، تمرکز دارد. شاخص های عملکرد الگوریتم پیشنهادی در این مقاله با خطای مطلق زمان انتگرال اندازه گیری شده که 0.0005757 با 0.9994 است. در مطالعه [6] کنترل فرکانس بار در یک ریزشبکه ایزوله با استفاده از مدل کنترل پیش بینی توسط الگوریتم ژنتیک ارائه شده است. طرح کنترل پیشنهادی برای بهینه­سازی و اصلاح مداوم ضرایب کنترل کننده استفاده می­کند. پارامترهای مدل کنترل پیش بینی به طور خاص پارامتر وزن نرخ کنترل ورودی، افق پیش‌بینی و افق کنترل با استفاده از الگوریتم ژنتیک بهینه شده اند. اغتشاشات فرکانس که پس از نوسانات توان در ریزشبکه به دلیل عدم تعادل توان رخ می­دهد توسط کنترل کننده پیشنهادی با ارسال سیگنال کنترلی به منابع به حداقل رسیده است. در مقاله [7]یک فرمول تنظیم چند هدفه جدید برای کنترل کننده های فرکانس بار در یک ریزشبکه ایزوله با اینرسی پایین پیشنهاد شده است. تنظیم فرمول تنظیم چند هدفه پیشنهادی در مقایسه با چهار تابع هدف مختلف، که عبارتند از خطای مطلق-انتگرال، خطای مطلق زمان انتگرال، خطای مربع انتگرال و خطای مربع زمان انتگرال ارزیابی شده است. در روش ارائه شده از الگوریتم بهینه سازی خرگوش های مصنوعی برای بهینه‌سازی تنظیمات کنترل‌کننده با ترکیب غیرخطی‌های سیستم با محدودیت‌های نرخ تولید حداکثر منابع فرمول تنظیم چند هدفه استفاده شده است. در مطالعه [8] ازالگوریتم رقابتی استعماری برای کنترل فرکانس بار در سیستم ریزشبکه چندگانه پیشنهاد شده است. کنترل‌کننده پیشنهادی شامل یک کنترل‌کننده مشتق متناسب مرحله اول با فیلتر و یک کنترل‌کننده تناسبی-انتگرال (PI) در مرحله دوم است. برای توجیه اثربخشی تکنیک پیشنهادی، آن را با سایر تکنیک‌های به خوبی تثبیت شده مانند الگوریتم ژنتیک و الگوریتم جستجوی فاخته مقایسه شده است. در مطالعه [9] روشی جهت تنظیم فرکانس سیستم ریزشبکه بهم پیوسته با استفاده از کنترل کننده PID مبتنی بر الگوریتم بهینه سازی حشرات یک روزه پیشنهاد شده است. سیستم پیشنهادی شامل منابع انرژی تجدیدپذیر، واحدهای ذخیره انرژی و ژنراتور سنکرون است. نتایج مقایسه‌های اعتبارسنجی نشان می‌دهد که کنترل‌کننده پیاده‌سازی‌شده، فرکانس سیستم را تحت تغییرات مختلف تقاضای بار و منابع انرژی تجدیدپذیر تنظیم می‌کند. در مقاله [10] کنترل فرکانس ریزشبکه جزیره ای بر اساس الگوریتم لیاپانوف بهینه-هوشمند با در نظر گرفتن پویایی توان و عدم قطعیت های ارتباطی پیشنهاد شده است. اهداف این تحقیق شامل 1- مدیریت و کنترل واحد ذخیره انرژی به ویژه باتری ها به منظور ایجاد مکانیزم پشتیبانی فرکانس در ریزشبکه. 2- مدیریت و محافظت از باتری در برابر تغییرات جریان شارژ و دشارژ، کاهش نوسانات گذرا موثر بر باتری و همچنین جلوگیری از قطع شدن ناگهانی برق باتری. در مقاله [11] روشی جهت بهبود کیفیت توان ریزشبکه جزیره ای با کنترل ولتاژ و فرکانس بر اساس الگوریتم ژنتیک ترکیبی و بهینه سازی ازدحام ذرات پیشنهاد شده است. ویژگی هایی که در این مطالعه در نظر گرفته شده شامل کنترل ولتاژ و فرکانس، پاسخ دینامیکی و پاسخ حالت پایدار است، به ویژه زمانی که ریزشبکه در حالت جزیره ای کار می کند یا زمانی که تغییر بار وجود دارد. نتایج شبیه سازی در نرم افزار MATLAB/SIMULINK نشان می دهد که سیستم کنترل پیشنهادی توانسته است کیفیت توان را به خوبی بهبود بخشد. در مقاله [12] کنترل فرکانس بار یک سیستم قدرت چند منبعی با استفاده از بهینه سازی ازدحام ذرات پیشنهاد شده است. تکنیک بهینه‌سازی ازدحام ذرات برای تنظیم پارامترهای کنترل‌کننده PID، با خطای مطلق زمان انتگرال به عنوان تابع هدف مورد استفاده قرار گرفته است. کارایی و پایداری روش کنترل‌کننده PSO-PID در سناریوهای مختلف برای شبکه‌های پیشنهادی مورد آزمایش قرار گرفته نتایج به وضوح نشان می دهد که از نظر پاسخ های فرکانسی، کنترل کننده PSO-PID بهتر از کنترل کننده PID معمولی عمل می کند. در مقاله [13] یک کنترل فرکانس بهینه سیستم برق ریزشبکه یکپارچه انرژی سبز با استفاده از الگوریتم بهینه ساز عنکبوت اصلاح شده پیشنهاد شده است. اثربخشی تکنیک بر حسب شاخص‌های عملکرد حالت پایدار و گذرا برای پاسخ انحراف فرکانس ارزیابی شده است. با توجه به نتایج ارزیابی شده انحراف فرکانس به‌دست‌آمده در شرایط دینامیکی مختلف، کنترل‌کننده پیشنهادی به‌طور قابل‌توجهی شاخص‌های گذرا مانند زمان ته‌نشینی، خطای کنترل، و بیش از حد پیک را تا حداکثر 39.8 درصد، 11.7 درصد و 68.9 درصد بهبود بخشید. در مقاله [14] تقویت کنترل‌کننده‌های مرسوم برای کنترل فرکانس بار ریزشبکه‌های ایزوله با استفاده از فرمول‌بندی چند هدفه پیشنهادی از طریق الگوریتم بهینه‌سازی خرگوش‌های مصنوعی پیشنهاد شده است. از الگوریتم بهینه سازی خرگوش مصنوعی  برای تنظیم همزمان پارامترهای کنترل کننده برای چندین منبع کنترل شده در ریزشبکه های ایزوله اعمال شده است. با انجام تجزیه و تحلیل در این مطالعه، تغییرات شدید 25% در پارامترهای سیستم تضمین می کند که استراتژی تنظیم پیشنهادی سیستم را پایدار نگه می دارد.

 

4- مدلسازی مساله و الگوریتم WOA

پایداری یک سیستم قدرت برای شرایط کاری اولیه داده شده عبارتست از توانایی سیستم جهت بازیابی حالت تعادل پس از یک اغتشاش فیزیکی به طوری که غالب متغیرهای سیستم محدود و کل سیستم عملاً بی‌عیب باقی بماند. زماني كه سيستم قدرت تحت يك اغتشاش قرار مي‌گيرد پايداري آن به شرايط كاري اوليه و همچنين ماهیت اغتشاش وابسته است. پايداري سيستم قدرت ويژگي آن سيستم براي حركت در اطراف نقطه تعادل (مثلاً شرايط كاري اوليه) است. در نقطه تعادل، تمامی نيروهاي مخالفي كه در سيستم وجود دارند به صورت لحظه‌اي با هم درتعادل خواهند بود. تمايل سيستم قدرت براي ايجاد نيروهاي بازيابي برابر يا بيشتر از نيروهاي اختلال وارد شده به آن، به منظور نگهداري حالت تعادل سيستم را پايداري مي­گويند. اگر نيروهايي که سعي دارند ماشين­ها را با يکديگر در حالت همگام حفظ نمايند، به قدر کافي بزرگ باشند تا بر نيروهاي اختلال غلبه کنند، سيستم پايدار (در حالت همگام) باقي مي­ماند [15]. نقطه تعادل سيستم قدرت ممكن است براي يك اغتشاش فيزيكي (بزرگ)، پايدار باشد و براي اغتشاش ديگر ناپايدار باشد. طراحي سيستم‌هاي قدرت به نحوی كه براي هر اغتشاش احتمالی، پايدار باشد عملي و اقتصادي نخواهد بود. معمولاً در طراحی، حالت‌هاي اضطراری كه احتمال وقوع بالايي دارند مد نظر قرار می‌گیرند. در سيستم قدرت رنج وسيعي از اغتشاش‌هاي كوچك و بزرگ رخ مي‌‌دهد. اغتشاش‌هاي كوچك به شكل تغييرات مداوم بار بوده که در اين حالت سيستم بايد بتواند خود را با اين شرايط منطبق نماید و عملكرد قابل قبولي داشته باشد. همچنين، سيستم بايد قادر باشد در پي وقوع اغتشاش‌هاي شديد از قبيل اتصال كوتاه در يك خط انتقال يا خروج يك ژنراتور بزرگ، در حالت سنكرون باقي بماند. يك اغتشاش بزرگ ممكن است به تغييراتي در ساختار سيستم منجر شود. پاسخ سيستم به يك اغتشاش ممكن ناشي از عملكرد تجهيزات آن می باشد. براي مثال، خطا در يك جزء حساس و قطع آن به وسیله رله‌هاي حفاظتي منجر به تغییراتی در توان‌هاي عبوري از خطوط، ولتاژ شین‌هاي شبكه و سرعت رتور ماشين‌ها می‌شود. تغييرات ولتاژ، موجب عملكرد تنظيم‌كننده‌هاي ولتاژ ژنراتورها و شبکه انتقال مي‌شود و تغييرات سرعت ژنراتورها، موجب عملکرد گاورنرها خواهد شد. همچنين تغييرات ولتاژ و فركانس باعث مي‌شود که بارهاي سيستم با توجه به مشخصه‌هايشان به درجات متفاوتي تغيير نمايند. با از مدار خارج کردن عناصر تحت خطا، براي حفظ پيوستگي عملكرد، ممكن است بخش عمده‌اي از سيستم عمداً قطع شوند. همچنین این احتمال وجود دارد که در پی وقوع اغتشاش‌هاي شديد خاص، سيستم‌هاي متصل به هم، براي حفظ حداکثر مقدار ممکن توليد و بار، عمداً به دو يا تعداد بيشتري جزيره² تقسيم شوند. عملكرد سيستم‌هاي كنترل اتوماتيك و احتمالاً اپراتورهاي انساني ممكن است سرانجام سيستم را به حالت نرمال بازگرداند. به عبارت ديگر، اگر سيستم ناپايدار باشد، شرايط خطرناكي مانند افزايش تدريجي زاويه رتور ژنراتورها يا كاهش تدريجي ولتاژ شین‌ها به وجود مي‌آيد. این شرايط ناپايدار مي‌تواند به خروج‌هاي پي‌درپي و خاموشی بخش بزرگي از سيستم منتهی شود.

 

4-1- مطالعه پایداری فرکانس

به منظور عملکرد رضایت بخش یک سیستم قدرت ثبات فرکانس امری الزامی است، چرا که کنترل نسبتاً دقیق فرکانس ثبات سرعت موتورهای سنکرون و القایی را به دنبال دارد و تثبیت سرعت بارهای موتوری، به طور ویژه در عملکرد رضایت بخش واحدهای تولید اهمیت دارد زیرا این واحدها به شدت به عملکرد تمامی محرک های جنبی مربوط به سوخت، آب و سیستم های تغذیه هوای احتراق وابسته اند.

همچنین در یک شبکه ممکن است افت زیاد فرکانس منجر به ایجاد جریان های شدید مغناطیسی در موتورهای القایی و ترانسفورماتورها شود و صدمات جبران ناپذیری وارد نماید. ثبات فرکانس یک سیستم قدرت بستگی به تعادل توان اکتیو دارد و از آنجا که فرکانس عامل مشترکی در سرتاسر سیستم است، هر تغییری در تقاضای توان اکتیو یک نقطه به شکل تغییر فرکانس در سرتاسر سیستم منعکس می شود و نظر به اینکه توان مورد نیاز یک سیستم قدرت بزرگ، توسط تعداد زیادی ژنراتور تامین می شود باید تغییر توان مورد تقاضا را بین واحدها تقسیم نمود. البته تقسیم بار بین ژنراتورها و کنترل اولیه سرعت توسط گاورنرهای نصب شده بر روی ژنراتورها صورت می پذیرد، لیکن جهت تنظیم دقیق فرکانس در مقدار نامی نیاز به یک کنترل تکمیلی می باشد که باید در یک مرکز کنترل اصلی انجام شود.

اولین مرحله در تحلیل و طراحی یک سیستم کنترل ارائه مدل ریاضی مناسب برای سیستم است. دو روش که اغلب مورد استفاده واقع می شوند عبارتند از: روش تابع انتقال و روش متغیر حالت. روش متغیر حالت می تواند هم برای سیستم های خطی و هم غیرخطی مورد استفاده قرار گیرد. جهت استفاده از تابع انتقال و معادلات حالت خطی باید معادلات سیستم حول نقطه کار خطی شوند. سيستم قدرت يک سيستم غيرخطي مي‌باشد که مي‌توان آن را به وسيله يک سري معادلات غير خطي مدل نمود. براي بررسي پايداري سيستم قدرت در يک نقطه کاري، با فرض ورودي سيگنال کوچک (ورودي‌اي که باعث تغيير نقطه کار سيستم قدرت نمي‌شود) مي‌توان معادلات غير خطي را حول نقطه کار خطي نمود. با بررسي سيستم خطي شده مشاهده مي‌گردد که پاسخ سيستم داراي ميرايي لازم نمي‌باشد و حتي در برخي نقاط کار ناپايدار مي‌باشد. جهت پايدارسازي سيستم قدرت از پايدارسازهاي سيستم قدرت استفاده مي‌گردد.

در يك تقسيم‌بندي كلي روند طراحي پايدارسازهاي سيستم قدرت را مي‌توان به دو قسمت تقسيم نمود: يکي از اين روش‌ها، مبتني بر طراحي يك كنترل كننده براي يك سيستم قدرت است، و ديگري مبتني بر تعيين فيدبك‌هاي گيني براي پايدارسازي سيستم مي‌باشد. در روش مبتني بر تابع تبديل، از تغييرات سرعت ژنراتور  فيدبك گرفته و سيگنالي به‌عنوان مکمل ولتاژ تحريك ايجاد مي‌شود. هنگام طراحي PSS به‌روش سنتي، مكان هندسي قطب‌هاي سيستم اهميتي ندارد و تنها مسئلة مورد بررسي، پايدارسازي حلقه فيدبك مي‌باشد. 

 

 

شکل (1): مدل فرکانسی ریزشبکه  با منابع تولید و ذخیره انرژی پراکنده

 

شکل 1 مدل فرکانسی ریزشبکه مورد مطالعه [16] را نشان میدهد. این سیستم دارای سه ورودی است که به سیستم اعمال می شوند.

ورودی اول: شار تابش خورشید () است که به عنوان ورودی پانل خورشیدی است که ورودی آن در حالت نرمال و هنگام وقوع اغتشاش نیز نمایش داده شده است.

ورودی دوم: سرعت باد است که این نیز به عنوان تابع ورودی محاسبه توان مکانیکی (PW) توربین بادی اعمال می شود. مقدار این کمیت نیز مشابه شار تابش خورشید برای حالتهای مختلف نمایش داده شده است.

ورودی سوم: میزان اضافه بار (ΔPL) است که به صورت پریونیت تحت اغتشاش های مختلف به کل سیستم اعمال می شود

4-2- مدل ریاضی الگوریتم بهینه ساز

در این بخش ابتدا مدل ریاضی محاصره طعمه، مانور تغذیه ای شبکه حبابی و جستجو برای طعمه برای اولین بار ارائه شده است[17]. سپس الگوریتم WOA ارائه شده است:

(1)

(2)

که t  شماره تکرار فعلی را نشان می دهد A  و C بردارهای ضرایب می باشند X* بردار موقعیت بهترین راه حل بدست آمده تاکنون می باشد و X بردار موقعیت می باشد. (||) مقدار مطلق و (.) ضرب مولفه در مولفه می باشد. لازم است توجه شود که X* باید در هر تکرار بروزرسانی شود اگر راه حل بهتری باشد.بردار A و C بصورت زیر محاسبه می شوند:

(3)

(4)

(5)

(6)

 

که p یک عدد تصادفی بین صفر و یک می باشد. علاوه بر این برای روش حبابی، نهنگ های کوهان دار بصورت تصادفی به جستجوی شکار می پردازند. مدل ریاضی جستجو به شرح زیر می باشد.

 

4-3- جستجو برای طعمه (مرحله اکتشاف)

(7)

X(t+1)= (8)

که بردار Xrand یک بردار موقعیت تصادفی است (یک نهنگ تصادفی) که از جمعیت فعلی انتخاب شده است. 

از نقطه نظر تئوری، WOA می تواند بعنوان یک بهینه ساز عمومی و گلوبال در نظر گرفته شود چون که شامل توانایی اکتشاف و بهره برداری می باشد.

 

4-4- اعمال الگوریتم WOA روی مساله

الگوریتم WOA جهت بهینه سازی کنترل کننده PID مطابق با شکل 2 اعمال خواهد شد. هدف کاهش انحرافات فرکانسی ریزشبکه تحت تغییرات بار با تنظیم بهینه ضرائب کنترل کننده PID می باشد.

 

شکل (2): سیستم حلقه بسته کنترل کنندهPID  مبتنی بر WOA

 

یک کنترل کننده PID می تواند به صورت یک جبرانساز پس فاز- پیش فاز با یک قطب در مبداء و دیگری در بینهایت می باشد. تابع تبدیل کنترل کننده PID اغلب با استفاده از رابطه زیر بیان می شود [18]:

(9)                                                                             

 

که U(S) سیگنال کنترلی می باشد که روی سیگنال خطای E(S) عمل می کند، Kp بهره تناسبی، Ti ثابت زمانی انتگرالی، Td ثابت زمانی مشتق، و s آرگومان تبدیل لاپلاس می باشد. شکل 3 نمایش دیاگرام بلوکی کنترل کننده PID را نشان می دهد.

 

شکل (3): نمایش دیاگرام بلوکی کنترل کننده PID

 

عملکرد کنترل کننده PID شامل سه بخش زیر می باشد:

ü       بخش تناسبی یک عملکرد کنترلی متناسب با سیگنال خطا را روی سیستم اعمال می کند.

ü       بخش انتگرالی خطای حالت ماندگار را با جبرانسازی فرکانس پایین کاهش می دهد.

ü       بخش مشتق گیر پاسخ گذرا با با جبرانسازی فرکانس بالا بهبود می بخشد.

الگوریتم بهینه سازی وال در طی فرآیند بهینه سازی سعی در تنظیم بهینه ضرائب Kp، Ki و Kd خواهد داشت.

شکل 4 فلوچارت اعمال الگوریتم بهینه سازی WOA روی مساله تعیین ضرائب بهینه Kp، Ki و Kd در کنترل کننده PID را نشان می دهد.

 

شکل (4): فلوچارت الگوریتم WOA برای بهینه سازی کنترل کننده

 

 

 

 

 

 

4-5- تابع هدف مساله

به منظور طراحی بهینه کنترل کننده مورد مطالعه، تابع هدف مبتنی بر مشخصات مطلوب و قیود آن طرح می شود. ملاک عملکرد معمولاً در طراحی کنترل کننده، انتگرال حاصل ضرب زمان در قدرمطلق خطا (ITAE)، در نظر گرفته می شود. در مطالعات مختلف تابع ITAE به عنوان بهترین تابع هدف برای مطالعات کنترل فرکانس بار گزارش شده است.

بنابراین در این تحقیق نیز ITAE به عنوان تابع هدف برای بهینه سازی ضرائب تناسبی، انتگرالی و بهره مشتق گیر کنترل کننده PID استفاده شده است. بیان تابع هدف ITAE به صورت معادله زیر تعریف می شود:

 (10)

در این معادله  تغییرات فرکانس سیستم،  بازه زمانی شبیه سازی است. قیود مساله حدود پارامتر کنترل کننده PID می باشد. بنابراین مساله طراحی می تواند به صورت مساله بهینه سازی زیر فرمول بندی شود:

  (11)

 

 

 

 

 

5- نتایج شبیه سازی

شکل5 مدل فرکانسی ریزشبکه مورد آزمایش را با منابع تولید و ذخیره انرژی پراکنده نشان می دهد. مکان اتصال کنترل کننده روی مدل فرکانسی ریزشبکه مورد مطالعه روی شکل مذکور نشان داده شده است. همچنین بلوک های کنترلی ریزمنابع فتوولتائیک، توربین بادی، سیستم پیل سوختی، دیزل ژنراتور، سیستم ریزشبکه، چرخ طیار و سیستم ذخیره ساز باتری در این شکل قابل مشاهده است. پارامترهای مدل فرکانسی سیستم و جزئیات مدلسازی عناصر این ریزشبکه در جدول 1 ارائه می کند.

 

 

شکل (5): مدل فرکانسی ریزشبکه مورد مطالعه

 

 

 

 

 

 

جدول (1): مدل فرکانسی ریزشبکه مورد مطالعه

پارامتر	مقدار	پارامتر	مقدار
R (Hz/pu)	3	Kae	1.6
D (Hz/pu)	0.012	Tae	0.5
2H (pu s)	0.1667	Kfc	1.2
Kdeg	1.3	Tfc	4
Tdeg	2	Kpv	1.8
Tt	0.3	Tpv	1
Tgi	0.3	Kfess	1.1-
Kwtg	1	Tfess	0.1
Twtg	1.5	Kbess	1.3-
Ka	0.6	Tbess	0.1

 

ریزشبکه مورد مطالعه به صورت شکل 6 در محیط متلب پیاده سازی شده است.

 

 

شکل (6): ریزشبکه پیاده سازی شده در محیط MATLAB

 

 

شکل (7): بلوک دیاگرام مدل سازی شده برای باتری در محیط MATLAB

شکل 7 بلوک دیاگرام مدل سازی شده برای باتری (BES) در محیط متلب را نشان می دهد. جدول 2 مشخصات پارامترهای باتری مدلسازی شده در بخش قبلی را با جزئیات نشان می دهد.

جدول (2): مدل فرکانسی ریزشبکه مورد مطالعه

 

نمایش دیاگرام بلوکی کنترل کننده PID پیاده سازی شده در محیط MATLAB به صورت شکل 8 می باشد.

 

 

شکل (8): نمایش دیاگرام بلوکی کنترل کننده PID در محیط متلب

 

5-1- وضعیت اولیه ریزشبکه با تغییر در بار

پاسخ فرکانسی ریزشبکه بدون بهینه سازی ضرائب کنترل کننده PID و براساس مقادیر اولیه ضرائب Kp، Ki و Kd به ترتیب 40، 9 و 10 مورد تحلیل قرار گرفته است. تغییر در بار در ثانیه پنجم و به صورت افزایش 10 درصدی اتفاق افتاده است. کل زمان شبیه سازی برای 20 ثانیه اجرا شده است. شکل 9نشان می دهد که ریزشبکه در این حالت بعد از نوسانات شدید فرکانسی به پایداری فرکانسی رسیده است. طول زمان مورد نیاز جهت میراسازی و به عبارت دیگر زمان نشست بالایی در این بخش مورد نیاز است.

 

جدول (3): نمایش دیاگرام بلوکی کنترل کننده PID در محیط متلب

Voltage	1755-2925 V	rbs	0.013 Ω
Cbp	52597 F	Xco	0.0274 Ω
rbp	10 kΩ		4.426 KA
Cb	1 F	Kbes	100 kV/pu MW
rb	0.001 Ω	Tbes	0.026 s
rbt	0.0167 Ω		15º

پارامتر	مقدار
Kp	40
Ki	9
Kd	10

 

 

 

شکل (9): تغییرات فرکانسی ریزشبکه در حالت اولیه

 

زمان نشست این پاسخ در بازه زمانی شبیه سازی فوق قابل محاسبه نبوده ولی ماکزیمم فراجهش این پاسخ معادل 0.0694 تغییرات فرکانسی می باشد.

 

5-2- وضعیت اولیه ریزشبکه با چندین تغییر در بار

این وضعیت به صورت چندین تغییر در بار شبیه سازی شده است. مطابق شکل (4-7) در زمان t=5 s تغییر 0.02 پریونیت، در زمان t=7 s تغییر 0.03 پریونیت، در زمان t=9 s تغییر 0.06 پریونیت و در زمان t=13 s تغییر 0.08 پریونیت در بار لحاظ شده است. این بخش به ازای ضرائب Kp، Ki و Kd به ترتیب 40، 9 و 10 تحلیل شده است. به ازای تغییرات نشان داده شده در بار پایداری فرکانسی شبکه از دست رفته است و تا زمان t=20 s هنوز وضعیت نوسانی دارد.

 

 

شکل (10): دامنه تغییرات چندباره در بار

 

 

 

 

2-3- ریزشبکه بدون ذخیره سازی باتری

در طی عملکرد جزیره ای، تعادل توان بین تولید و تقاضا به صورت آنی برقرار نیست. در نتیجه فرکانس ریزشبکه نوسان خواهد کرد و تا زمانی که مکانیزم مناسبی برای متعادل کردن توان وجود نداشته باشد ممکن است سیستم را به خاموشی بکشاند. سیستم ذخیره انرژی در زمان میلی ثانیه پاسخ می دهد. واضح است که سیستم ذخیره انرژی باید نقش مهمی را در حفظ پایداری فرکانسی طی عملکرد جزیره ای ایفا نماید. تغییرات فرکانسی ریزشبکه بدون حضور ذخیره ساز باتری تحت تغییر 10 درصدی بار در زمان t=5 s را نشان می دهد. در این بخش برای بررسی اثرات حضور ذخیره ساز باتری روی تغییرات فرکانسی ریزشبکه بلوک مربوطه از برنامه پیاده سازی شده حذف می گردد.

 

شکل(11):  تغغیرات فرکانسی ریزشبکه بدون حضور ذخیره ساز باتری

 

بدون حضور بلوک ذخیره ساز باتری امکان میراسازی نوسانات فرکانسی در این ریزشبکه وجود نداشته و توانی که در بازه زمانی جدا از شبکه صرف تامین توان اکتیو شبکه می گردید، بدون حضور باتری قابل تامین نبوده و همین مساله باعث ایجاد ناپایداری در فرکانس ریزشبکه و فروپاشی آن گردیده است.

 

 

5-4- بهینه سازی با الگوریتم WOA تحت تغییر بار

به منظور تعیین بهینه ضرائب کنترل کننده PID و حذف نوسانات فرکانسی تحت تغییرات بار الگوریتم بهینه سازی وال در این بخش بکار گرفته شده است. با اجرای برنامه بهینه سازی WOA مقادیر جدول 4 برای این کنترل کننده بدست آمدند.

 

جدول (4): ضرائب کنترل کننده PID در حالت اولیه ریزشبکه و بهینه سازی شده 

پارامتر	مقدار اولیه	با تابع هدف ITAE	با تابع هدف IAE
Kp	40	17.52	11.055
Ki	9	6.53	12.535
Kd	10	7.55	7.641
شاخص ITAE	0.0296	0.0062	-
شاخص IAE	0.0044	-	0.0011

 

جدول 4 مقادیر شاخص ITAE را قبل و بعد از انجام بهینه سازی نشان می دهد. همانطور که واضح است در طول فرآیند بهینه سازی مقدار این شاخص از 0.0296 به 0.0063 کاهش یافته است. شکل 12پاسخ فرکانسی ریزشبکه تحت تغییر 10 درصدی بار در زمان t=5 s را نشان می دهد. مطابق شکل اعمال کنترل کننده PID با تنظیمات مطابق جدول فوق منجر به پایدارسازی تغییرات فرکانسی ریزشبکه شده است.

 

 

شکل (12): تغییرات فرکانسی ریزشبکه تحت تغییر بار بعد از بهینه سازی با WOA

 

شکل 13 مقایسه نتایج این سناریو با نتایج تغییرات فرکانسی حالت اولیه ریزشبکه را نشان می دهد. همانطور که واضح است بهینه سازی ضرائب کنترل کننده PID باعث شده تا نوسانات فرکانسی در مقایسه با حالت اولیه بهبود چشمگیری یابد.

 

 

شکل (13): مقایسه تغییرات فرکانسی ضریب بهینه با حالت اولیه ریزشبکه

 

مطابق شکل 13 مقایسه تغییرات فرکانسی حالت تنظیم نشده PID با پاسخ فرکانسی بهینه سازی با تابع هدف ITAE و IAE با الگوریتم بهینه سازی WOA نشان می دهد که دو تابع هدف هم از نقطه نظر زمان نشست (11.04 ثانیه) و هم ماکزیمم فراجهش (در زمان 5.585 ثانبه دارای دامنه تغییرات فرکانسی 0.043) تقریباً دارای وضعیت مشابهی هستند.

 

5-5- بهینه سازی تحت تغییرات تصادفی بار

در این بخش اغتشاش باری به صورت قطار پالس نامنظم به ریزشبکه اعمال شده و در شکل 14 نمایش داده شده است. با در نظر گرفتن تغییرات متوالی بار ضریب PID به صورت جدول 5 بهینه سازی شده است:

 

جدول (5): ضریب کنترل کننده PID در حالت اولیه ریزشبکه و بعد از بهینه سازی

پارامتر	مقدار اولیه	تابع هدف ITAE	تابع هدف IAE
Kp	40	3.8645	12.062
Ki	9	22.043	5.952
Kd	10	9.7328	5.91
ITAE	1.7472	0.0072	-
IEA	1.7472	-	0.3485

 

در شکل 14 بهترین تغییرات فرکانسی حاصل شده به ازای ضریب کنترل کننده PID فوق نشان داده شده است.

مطابق جدول (4-6) مشاهده می شود که میزان بهبود تابع هدف در حالت ITAE نسبت به تابع هدف حالت IAE به ترتیب از 1.7472 به 0.0072 و 1.7472 به 0.3485 می باشد. همچنین با توجه به شکل 14 مشاهده می شود که در هر تغییر پله ای بار ماکزیمم فراجهش با تابع ITAE نسبت به تابع IAE کمتر بوده است.

 

 

شکل (14): مقایسه تغییرات فرکانسی حالت اولیه با حالت بهینه شده در حالت چندین تغییر در بار

 

نتایج نشان می دهد که کنترل کننده پیشنهادی به صورت مناسبی تنظیم شده است. مقدار شاخص ITAE نسبت به شاخص IAE به صورت چشمگیری بهبود یافته است. کنترل کننده PID توانسته نوسانات فرکانسی ریزشبکه را میرا نماید.

 

 

 

 

 

جدول (5): مقایسه بهینه سازی ضرائب PID براساس الگوریتم های بهینه سازی وال و ازدحام ذرات

بهینه سازی ضرائب PID	PSO	WOA
تابع هدف حالت IAE	0.37212	0.34339
تابع هدف حالت ITAE	0.005779	0.0015767

 

جدول 5 مقایسه بهینه سازی ضرائب PID براساس الگوریتم های بهینه سازی وال و ازدحام ذرات را نشان می دهد. همانطور که در این جدول نشان داده شده بهترین مقادیر بهینه برای تابع هدف IAE و ITAE توسط الگوریتم WOAنسبت به الگوریتم بهینه سازی اردحام ذرات (PSO) یافت شده است. تنظیم بهینه PID توانسته نوسانات فرکانسی ریزشبکه را میرا نماید. پاسخ بدست آمده با تابع هدف ITAE در تغییرات پله های بعدی بار دارای فراجهش بالاتری نسبت به پاسخ با تابع هدف IAE می باشد ولی در وضعیت زمان نشست این توابع هدف دارای نتایج مشابهی هستند.  

 

6- نتيجه­گیری

این مقاله تحت سناریوهای زیر انجام و نتایج زیر به صورت جمع بندی ارائه می گردد.

·       وضعیت اولیه ریزشبکه با تغییر در بار

تغییر در بار در ثانیه پنجم و به صورت افزایش 10 درصدی اتفاق افتاده است. کل زمان شبیه سازی برای 20 ثانیه اجرا شده است. شکل (4-5) نشان می دهد که ریزشبکه در این حالت بعد از نوسانات شدید فرکانسی به پایداری فرکانسی رسیده است. طول زمان مورد نیاز جهت میراسازی و به عبارت دیگر زمان نشست بالایی در این بخش مورد نیاز است.

·       وضعیت اولیه ریزشبکه با چندین تغییر در بار

این وضعیت به صورت چندین تغییر در بار شبیه سازی شده است. در زمان t=5 s تغییر 0.02 پریونیت، در زمان t=7 s تغییر 0.03 پریونیت، در زمان t=9 s تغییر 0.06 پریونیت و در زمان t=13 s تغییر 0.08 پریونیت در بار لحاظ شده است. به ازای تغییرات نشان داده شده در بار پایداری فرکانسی شبکه از دست رفته است و تا زمان t=20 s هنوز وضعیت نوسانی دارد.

·       ریزشبکه بدون ذخیره سازی باتری

بدون حضور ذخیره ساز باتری پایداری فرکانسی شبکه از دست رفته است. در این مطالعه بلوک باتری از شبیه سازی حذف شده که این مساله باعث از دست رفتن پایداری فرکانسی شده است. بدون حضور بلوک ذخیره ساز باتری امکان میراسازی نوسانات فرکانسی در این ریزشبکه وجود نداشته و توانی که در بازه زمانی جدا از شبکه صرف تامین توان اکتیو شبکه می گردید، بدون حضور باتری قابل تامین نبوده و همین مساله باعث ایجاد ناپایداری در فرکانس ریزشبکه و فروپاشی آن گردیده است.

·       بهینه سازی با الگوریتم WOA تحت تغییر بار

تغییرات فرکانسی ریزشبکه تحت تغییر 10 درصدی بار در زمان t=5 s را نشان می دهد. مطابق شکل اعمال کنترل کننده PID با تنظیمات مطابق جدول فوق منجر به پایدارسازی تغییرات فرکانسی ریزشبکه شده است. مقادیر شاخص ITAE در طول فرآیند بهینه سازی از 0.0296 به 0.0063 کاهش یافته است. همانطور که واضح است بهینه سازی ضرائب کنترل کننده PID باعث شده تا نوسانات فرکانسی در مقایسه با حالت اولیه بهبود چشمگیری یابد.

مقایسه تغییرات فرکانسی حالت تنظیم نشده PID با تغییرات فرکانسی بهینه سازی با تابع هدف ITAE و IAE با الگوریتم بهینه سازی WOA نشان می دهد که دو تابع هدف هم از نقطه نظر زمان نشست (11.04 ثانیه) و هم ماکزیمم فراجهش (در زمان 5.585 ثانبه دارای دامنه تغییرات فرکانسی 0.043) تقریباً دارای وضعیت مشابهی هستند.

·       بهینه سازی با الگوریتم WOA با چندین تغییر در بار

در این بخش برای در نظر گرفتن تغییرات متوالی بار، بهینه سازی ضرائب PID انجام شده است. در زمان t=5 s تغییر 0.02 پریونیت، در زمان t=7 s تغییر 0.03 پریونیت، در زمان t=9 s تغییر 0.06 پریونیت و در زمان t=13 s تغییر 0.08 پریونیت در بار لحاظ شده است. مقدار شاخص ITAE و IAE نیز به صورت چشمگیری نسبت به حالت اولیه بهبود یافته است.

·       بهینه سازی تحت تغییرات تصادفی بار

در این بخش اغتشاش باری به صورت قطار پالس نامنظم به ریزشبکه اعمال شده است. میزان بهبود تابع هدف در حالت ITAE نسبت به تابع هدف حالت IAE به ترتیب از 1.7472 به 0.0072 و 1.7472 به 0.3485 می باشد. مشاهده می شود که در هر تغییر پله ای بار ماکزیمم فراجهش با تابع ITAE نسبت به تابع IAE کمتر بوده است. نتایج نشان می دهد که کنترل کننده پیشنهادی به صورت مناسبی تنظیم شده است. مقدار شاخص ITAE نسبت به شاخص IAE به صورت چشمگیری بهبود یافته است. کنترل کننده PID توانسته نوسانات فرکانسی ریزشبکه را میرا نماید.

جهت توسعه مقاله صورت گرفته در این مقاله پیشنهاد می گردد به منظور بهبود اینرسی شبکه و تغییرات فرکانسی از ترکیب و تنوع در انواع ذخیره ساز بهره جست که با ثابت های زمانی متفاوت می توانند تاثیر بهتری در تغییرات دینامیکی فرکانس داشته باشند. همچنین در زمینه نحوه چیدمان باتری ها و آرایش و ترکیب بندی آنها محل اتصال به شبکه و استراتژی های اتصال و نحوه شارژ و دشارژ بررسی بیشتری انجام گیرد. بررسی مطالعه انجام یافته با استفاده از روشهای تکاملی و هوشمند دیگر می تواند از دیگر کارهای آینده باشد. همچنین پیشنهاد می شود علاوه بر شاخص ITAE از شاخص های ISE، ITSE و IAE به عنوان توابع هدف این مساله بهره گیری شود.

 

 

 

 

مراجع

[1] J-Y. Kim, J-H. Jeon, S-K Kim, C. Cho, J. H. Park, H-M Kim, and K-Y Nam, “Cooperative Control Strategy of Energy Storage System and Microsources for Stabilizing the Microgrid during Islanded Operation,” IEEE Trans. Power Electron., vol. 25, no. 12, pp. 3037-3048, Dec. 2010.

[2] D. Andor, “Energy Storage systems for wind energy integration, technology, application and benefit analysis,” thesis, 2015.

[3] Zhong, C., Zhao, H., Liu, Y., & Liu, C. (2024). Model predictive secondary frequency control of island microgrid based on two-layer moving-horizon estimation observer. Applied Energy, 372, 123721.

[4] Nayak, P. C., Mishra, S., Prusty, R. C., & Panda, S. (2023). Hybrid whale optimization algorithm with simulated annealing for load frequency controller design of hybrid power system. Soft Computing, 1-24.

[5] Ogar, V. N., Hussain, S. (2023). Load Frequency Control Using the Particle Swarm Optimisation Algorithm and PID Controller for Effective Monitoring of Transmission Line. Energies, 16(15), 5748.

[6] Tudu, A. K., Naguru, N., Dey, S. H. N., & Paul, S. (2024). Load frequency control of an isolated microgrid using optimized model predictive control by GA. Electrical Engineering, 1-13.

[7] Khalil, A. E., Boghdady, T. A., Alham, M. H., & Ibrahim, D. K. (2024). A novel multi-objective tuning formula for load frequency controllers in an isolated low-inertia microgrid incorporating PV/wind/FC/BESS. Journal of Energy Storage, 82, 110606.

[8] Nayak, P. C., Prusty, U. C., Prusty, R. C., & Panda, S. (2022). Imperialist competitive algorithm optimized cascade controller for load frequency control of multi-microgrid system. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 1-23.

[9] Boopathi, D., Jagatheesan, K., Anand, B., Samanta, S., & Dey, N. (2023). Frequency Regulation of Interlinked Microgrid System Using Mayfly Algorithm-Based PID Controller. Sustainability, 15(11), 8829.

[10] Sepehrzad, R., Nakhaeisharif, S., Al-Durra, A., Allahbakhshi, M., & Moridi, A. (2022). Islanded micro-grid frequency control based on the optimal-intelligent lyapunov algorithm considering power dynamic and communication uncertainties. Electric Power Systems Research, 208, 107917.

[11] Dashtdar, M., Flah, A., Hosseinimoghadam, S. M. S., Reddy, C. R., Kotb, H., AboRas, K. M., & Bortoni, E. C. (2023). Improving the power quality of island microgrid with voltage and frequency control based on a hybrid genetic algorithm and PSO. IEEE Access, 10, 105352-105365.

[12] Qu, Z., Younis, W., Wang, Y., & Georgievitch, P. M. (2024). A Multi-Source Power System’s Load Frequency Control Utilizing Particle Swarm Optimization. Energies, 17(2), 517.

[13] Deepa, A., Vinayagam, A., Suganthi, S. T., Kumaran, T., Veerasamy, V., Mohandas, R., & Irudayaraj, A. X. R. (2023). An optimized frequency control of green energy integrated microgrid power system using modified SSO Algorithm. Soft Computing, 1-24.

[14] Khalil, A. E., Boghdady, T. A., Alham, M. H., & Ibrahim, D. K. (2023). Enhancing the conventional controllers for load frequency control of isolated microgrids using proposed multi-objective formulation via artificial rabbits optimization algorithm. IEEE Access, 11, 3472-3493.

[15] R. Arora, S. Dahiya, "Dynamic Stability Enhancement of Power System using PSO Optimized Fuzzy Power System Stabilizer," 6th IEEE International Power India Conference (PIICON), 2014  

[16] H. Shayeghi and A. Ghasemi, "Improvement of Frequency Fluctuations in Microgrids Using an Optimized Fuzzy P-PID Controller by Modified Multi Objective Gravitational Search Algorithm," Iranian Journal of Electrical & Electronic Engineering, Vol. 12, No. 4, December 2016.

[17] Seyedali Mirjalili, Andrew Lewis, "The Whale Optimization Algorithm," Advances in Engineering Software 95 (2016) 51–67.

[18] Rabindra Kumar Sahu, Sidhartha Panda, Pratap Chandra Pradhan, "Design and analysis of hybrid firefly algorithm-pattern search based fuzzy PID controller for LFC of multi area power systems," Electrical Power and Energy Systems 69 (2015) 200–212.

 

 

Frequency control of the islanded microgrid Using Storage Devices with Help of

Wall Optimization Algorithm

 

Hossein Nemati 1, Ph. D. Student, Behrouz Alfi 2, Assistant Professor, Hadi mahdavi3, Ph. D. Student, Hassani shayeghi4, Professor

 

1,2,3 Department of Electrical Engineering, ardabil Branch, Islamic Azad University, ardabil, Iran

[e-mail]

[e-mail]

[e-mail] 

4 Department of Electrical Engineering, University of Mohaghegh Ardabili, ardbil, Iran

[e-mail]

Abstract: 

Effective control of microgrid islanding requires controlling the energy storage system with other controllable microgrid resources. During island operation, the power balance between production and demand is not instantaneous. As a result, the microgrid frequency will fluctuate and may cause the system to shut down unless there is a proper mechanism to balance the power. The energy storage system responds in milliseconds. It is clear that the energy storage system must play an important role in maintaining frequency stability during islanding operation. Microgrids have been considered as a model for the future power system. They can combine multiple renewable energy sources and provide highly reliable electricity. Power electronics in distributed generation sources of microgrids can increase their ability to cope with disturbances and uncertainties. Recently, it has been shown that microgrids can improve their performance by using battery energy storage systems. The storage system acts as an energy producer for renewable sources and can compensate for short-term changes in the output power of renewable energy sources. Because storage devices can perform fast active power compensation, they can be used to improve the performance of load frequency control. The tested microgrid includes: distributed generation units of diesel generator, photovoltaic, and fuel cell with electrolyzer and wind turbine, and distributed energy storage units of flywheel and battery. In this paper, the frequency control of microgrid using storage devices is studied using the Wall optimization algorithm. The obtained results show that the objective function using the proposed controller is very desirable.

 

Keywords: Microgrid frequency control, Wall Optimization Algorithm, Battery Energy Storage System.

 

 

Corresponding Author: hadi mahdavi

 

 

 

 

 

 

 

2

 

---

[1]  Energy Storage System

[2]