کنترل بار-فرکانس در یک ریزشبکه AC با استفاده از کنترل‌کننده فازی PID خودتنظیم و با در نظر گرفتن تاخیر در ورودی
محورهای موضوعی : انرژی های تجدیدپذیر
روح الله شاهدی
1
,
کامل صباحی
2
,
مهدی توان
3
,
امین حاجی زاده
4
1 - کارشناسی ارشد، دانشکده مهندسی برق- واحد بین‌المللی جلفا- دانشگاه آزاد اسلامی- جلفا- ایران
2 - استادیار، دانشکده مهندسی برق- واحد ممقان- دانشگاه آزاد اسلامی- ممقان- ایران
3 - استادیار، دانشکده مهندسی برق- واحد محمودآباد- دانشگاه آزاد اسلامی- محمودآباد- ایران
4 - دانشیار، دانشکده مهندسی انرژی- دانشگاه آلبورگ- دانمارک
کلید واژه: تولیدات پراکنده, ریزشبکه, تاخیرزمانی, کنترل بار فرکانس و کنترل‌کننده فازی PID,
چکیده مقاله :
در یک سیستم ریزشبکه، اغلب منابع تولید پراکنده از جمله پیل سوختی، انرژی خورشیدی دارای ماهیت غیرخطی و متغیر با زمان می‌باشند، که مسئله کنترل را در آن با مشکلاتی مواجه می‌کند. همچنین، با توجه به اینکه در اغلب سیستم‌های ریزشبکه کنترل‌کننده‌های فرکانس به صورت متمرکز بوده و منابع کنترل‌شونده در فواصل دوری از اتاق کنترل قرار دارند، بوجود آمدن تاخیرزمانی امری انکارناپذیر است که می‌بایست در طراحی کنترل‌کننده مورد توجه قرار گیرد. برای همین منظور و در این مقاله، از کنترل‌کننده فازی PID خودتنظیم برای کنترل بار-فرکانس در یک سیستم ریزشبکه استفاده شده است. کنترل‌کننده فازی PID معرفی شده توانایی مناسبی جهت مقابله با غیرخطی‌گری و تغییر در نقاط کار سیستم را دارد، اما جهت مقابله با تاخیرزمانی در ورودی سیستم، از خاصیت خودتنظیم مشابه با روش زیگلر-نیکولز استفاده شده است. کنترل‌کننده فازی PID خودتنظیم طراحی شده برای کنترل بار-فرکانس یک سیستم ریزشبکه که در حالت جداشده از شبکه می‌باشد، اعمال شده و نتایج آن با کنترل‌کننده فازی PID ساختار ثابت مقایسه شده است. شبیه‌سازی‌ها به ازای مقادیر مختلف تاخیرزمانی برتری روش پیشنهادی را در مواجهه با تاخیرزمانی و تغییر در بار درخواستی را نشان داده و با کیفیت مناسبی تغییرات فرکانس را به صفر رسانده است.
A micro grid (MG) system that benefits from distributed generation (DG) resources has a non-linear and time-varying nature which encounters the control problem with some difficulties. Also, due to the fact that in the most MG systems the frequency controllers are centralized in the control room and, the DGs are located at distances from the control room, the occurrence of delay is undeniable and it should be considered in the design of the controller. For this purpose, a self-tuning fuzzy PID controller has been designed for load frequency control in a MG system in the presence of delay. The designed fuzzy PID controller is a nonlinear controller and can handle the nonlinearities. To deal with the delay in the input of the system, the Ziegler-Nichols like criteria has been utilized to derive the adaptive mechanism which tunes the scaling factors according to the maximum amount of delay in the online manner. The proposed self-tuning fuzzy PID controller has been applied for load frequency control of a time-delay MG system and the simulation results have been compared with the results of fixed structure fuzzy PID controller. The simulation results indicate the efficiency of the proposed controllers in dealing with time-varying delay.
1. A. Kaur, J. Kaushal, P. Basak, "A review on microgrid central controller", Renewable and Sustainable Energy Reviews, Vol. 55, pp. 338-345, March 2016.
2. I. Sadegh-Khani, "Analysis of hybrid reference frame limiting strategy performance in the presence of secondary control of inverter based islanded microgrids", Journal of Intelligent Procedures in Electrical Technology, Vol. 9, No. 33, pp. 3-14, Jan. 2018.
3. W. Gu, Z. Wu, R. Bo, W. Liu, G. Zhou, W. Chen, Z. Wu, "Modeling, planning and optimal energy management of combined cooling, heating and power microgrid: A review", International Journal of Electrical Power and Energy Systems, Vol. 54, pp. 26-37, Jan. 2014.
4. D.E. Olivares, A. Mehrizi-Sani, A.H. Etemadi, C.A. Cañizares, R. Iravani, M. Kazerani, A.H. Hajimiragha, O. Gomis-Bellmunt, M. Saeedifard, R. Palma-Behnke, "Trends in microgrid control", IEEE Transactions on Smart Grid, Vol. 5, No. 4, pp. 1905-1919, July 2014.
5. H. Lotfi, A. Khodaei, "AC versus DC microgrid planning", IEEE Trans. on Smart Grid, Vol. 8, No. 1, pp. 296-304, Jan. 2017.
6. M.R. Khalghani, M.H. Khooban, E. Mahboubi-Moghaddam, N. Vafamand, M. Goodarzi, "A self-tuning load frequency control strategy for microgrids: Human brain emotional learning", International Journal of Electrical Power and Energy Systems, Vol. 75, pp. 311-319, Feb. 2016.
7. H. Bevrani, F. Habibi, P. Babahajyani, M. Watanabe, Y. Mitani, "Intelligent frequency control in an AC microgrid: Online PSO-based fuzzy tuning approach", IEEE Trans. on Smart Grid, Vol. 3, No. 4, pp. 1935-1944, Dec. 2012.
8. M.H. Khooban, T. Niknam, F. Blaabjerg, P. Davari, T. Dragicevic, "A robust adaptive load frequency control for micro-grids", ISA Trans., Vol. 65, pp. 220-229, Nov. 2016.
9. M.H. Khooban, T. Niknam, F. Blaabjerg, T. Dragičević, "A new load frequency control strategy for micro-grids with considering electrical vehicles", Electric Power Systems Research, Vol. 143, pp. 585-598, Feb. 2017.
10. M.H. Khooban, T. Niknam, M. Shasadeghi, T. Dragicevic, F. Blaabjerg, "Load frequency control in microgrids based on a stochastic non-integer controller", IEEE Trans. on Sustainable Energy, Vol. 9, No. 2, April 2018.
11. F. Amiri, A. Hatami, "A model predictive control method for load-frequency control in islanded microgrids", Computational Intelligence in Electrical Engineering, Vol. 8, No. 1, pp. 9-24, Sum. 2017.
12. F. jamshidi, M.M. Ghanbarian, "Robust frequency control of islanded microgrids: ICA-based FFOPID control approach", Computational Intelligence in Electrical Engineering, Vol. 8, No. 1, pp. 51-62, Sum. 2017.
13. J.P. Richard, "Time-delay systems: an overview of some recent advances and open problems", Automatica, Vol. 39, No. 10, pp. 1667-1694, Oct. 2003.
14. H.D. Choi, C.K. Ahn, P. Shi, L. Wu, M.T. Lim, "Dynamic output-feedback dissipative control for T–S fuzzy systems with time-varying input delay and output constraints", IEEE Trans. on Fuzzy Systems, Vol. 25, No. 3, pp. 511-526, June 2017.
15. K. Sabahi, S. Ghaemi, and M. Badamchizadeh, "Designing an adaptive type-2 fuzzy logic system load frequency control for a nonlinear time-delay power system", Applied Soft Computing, Vol. 43, pp. 97-106, June 2016.
16. E. Çam, I. Kocaarslan, "A fuzzy gain scheduling PI controller application for an interconnected electrical power system", Electric Power Systems Research, vol. 73, No. 3, pp. 267-274, March 2005.
17. Y. Arya, N. Kumar, "Fuzzy gain scheduling controllers for automatic generation control of two-area interconnected electrical power systems", Electric Power Components and Systems, Vol. 44, pp. 737-751, Mar. 2016.
18. E. Yeşil, M. Güzelkaya, I. Eksin, "Self tuning fuzzy PID type load and frequency controller", Energy Conversion and Management, Vol. 45, No. 3, pp. 377-390, Feb. 2004.
19. J. Ziegler, N. Nichols, "Optimum settings for automatic controllers", Journal of dynamic systems, measurement, and control, Vol. 115, pp. 220-222, June 1993.
20. H. Shayeghi, 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 and Electronic Engineering, Vol.12, No. 4, pp.241-256, 2016.
_||_