برق 18. ساختار کنترل پیشرفته برای میکروگریدهای هوشمند- بخش دوم: کیفیت توان، انباره¬ی انرژی و میکروگریدهای AC/DC
ساختار کنترل پیشرفته برای میکروگریدهای هوشمند- بخش دوم: کیفیت توان، انباره ی انرژی و میکروگریدهای AC/DC
Josep M. Guerrero, Senior Member, IEEE, Poh Chiang Loh, Senior Member, IEEE, Tzung-Lin Lee, Member, IEEE, and Mukul Chandorkar, Member, IEEE
چکیده- این مقاله مسائل و راه¬کارهای اصلی مرتبط با کیفیت توان را در میکروگریدها، سیستم¬های ذخیره¬ی انرژی توزیع شده و میکروگریدهای ترکیبی AC/DC را به صورت مختصر بیان می¬نماید. در ابتدا بهبود کیفیت توان در میکروگریدهای دارای ارتباط با شبکه¬ ارائه می¬شود سپس کنترل اشتراکی جهت بهبود بخشیدن هارمونیکهای ولتاژ و عدم توازن ولتاژ در میکروگریدها مرور می¬گردد. بعد از آن استفاده از جبران¬¬ساز همزمان استاتیک(STATCOM) در میکروگریدهای متصل شده به شبکه معرفی می¬شود که از آن جهت بهبود عدم توازن ویا افت/افزایش بیش از حد ولتاژ استفاده می¬گردد. در نهایت کنترل هماهنگ سیستم توزیع شده(پراکنده¬ی) ذخیره¬ و میکروگریدهای ترکیبی AC/DC توضیح داده شده اند.
Chopper-Fed DC Motor Drive (Continuous)
Circuit Description
The DC motor is fed by the DC source through a chopper which consists of GTO thyristor and free-wheeling diode D1. The motor drives a mechanical load characterized by inertia J, friction coeficient B, and load torque TL.
The hysteresis current controller compares the sensed current with the reference and generates the trigger signal for the GTO thyristor to force the motor current to follow the reference. The speed control loop uses a proportional-integral controller which produces the reference for the current loop. Current and Voltage Measurement blocks provide signals for visualization purpose. Demonstration
Motor starting
Start the simulation. Observe the motor current, voltage, and speed during the starting on the scope. At the end of the simulation time (1.5 s), the system has reached its steady-state.
Response to a change in reference speed and load torque
The initial conditions state vector 'xInitial' to start with wm = 120 rad/s and TL = 5 N.m has been saved in the 'power_dcdrive_init.mat' file. This file is automatically loaded in your workspace when you start the simulation (see Model Properties). In order to use these initial conditions you have to enable them. Check the Simulation/Configuration Parameters menu , then select "Data Import/Export" and check "Initial state".
Now, double click the two Manual Switch blocks to switch from the constant "Ref. Speed (rad/s) " and "Torque (N.m)" blocks to the Step blocks. (Reference speed wref changed from 120 to 160 rad/s at t = 0.4 s and load torque changed from 5 to 25 N.m at t= 1.2s). Restart the simulation and observe the drive response to successive changes in speed reference and load torque.
کنترل پیشگویانه منابع PV در سیستم توزیع DC هوشمند :ردیابی نقطه حداکثر توان و کنترل دروپ
عنوان انگلیسی مقاله:
Model Predictive Control of PV Sources in a Smart DC Distribution System: Maximum Power Point Tracking and Droop Control
عنوان فارسی مقاله:
مدل کنترل پیشگویانه منابع PV در سیستم توزیع DC هوشمند :ردیابی نقطه حداکثر توان و کنترل دروپ
سال انتشار:2014
تعداد صفحات انگلیسی:9
تعداد صفحات فارسی:28
Abstract
In a dc distribution system, where multiple power sources supply a common bus, current sharing is an important issue. When renewable energy resources are considered, such as photovoltaic (PV), dc/dc converters are needed to decouple the source voltage, which can vary due to operating conditions and maximum power point tracking (MPPT), from the dc bus voltage. Since different sources may have different power delivery capacities that may vary with time, coordination of the interface to the bus is of paramount importance to ensure reliable system operation. Further, since these sources are most likely distributed throughout the system, distributed controls are needed to ensure a robust and fault tolerant control system. This paper presents a model predictive control-based MPPT and model predictive control-based droop current regulator to interface PV in smart dc distribution systems. Back-to-back dc/dc converters control both the input current from the PV module and the droop characteristic of the output current injected into the distribution bus. The predictive controller speeds up both of the control loops, since it predicts and corrects error before the switching signal is applied to the respective converter
چکیده
در یک سیستم توزیع DC که منابع توان گوناگون یک باس مشترک را تغذیه می کنند. سهم جریان یک مسئله مهم است. زمانی که منابع انرژی تجدید پذیر مانند فوتوولتاییک (PV) مورد بررسی قرار میگیرند کانورتر های dc/dc برای دی کوپل کردن(جدا کردن) منابع ولتاژ مورد نیاز هستند که ولتاژ آنها میتوانند بدلیل شرایط کاری و ردیابی نقطه حداکثر توان(MPPT) با ولتاژ باس DC اختلاف داشته باشد. از آنجایی که منابع گوناگون ممکن است ظرفیت تحویل توان متفاوت داشته باشند که ممکن است این ظرفیت متغییر با زمان باشد برای مطمئن شدن از عملکرد قابل اطمینان سیستم هماهنگی رابط باس خیلی مهم است. علاوه بر آن از آنجایی که این منابع عمدتا در تمام سیستم توزیع شده اند برای اطمینان از یک سیستم کنترل سالم و مقاوم در برابر خطا، کنترل های توزیع شده مورد نیاز هستند. این مقاله یک مدل پیشگویانه بر اساس کنترل MPPT ومدل پیشگویانه براساس دروپ رگولاتور جریان برای رابطPV درسیستم توزیع DC هوشمند ارائه میدهد. کانورتر هایdc/dc پشت به پشت(back to back) جریان ورودی از ماژول PV و مشخصه دروپ جریان خروجی تزریق شده به سیستم توزیع را با هم کنترل میکند. بدلیل اینکه کنترل کننده پیش گویانه قبل از اینکه سیگنال سوئیچینگ را به کانورتر های مربوطه اعمال کند خطا را پیش بینی و اصلاح میکند سرعت هر دو حلقه کنترلی را افزایش میدهد.
پروژه کنترل بهینه طراحی بهینه موتور dc با استفاده از الگوریتم بهینه سازی توده ذرات
در این پروژه مسئله طراحی بهینه موتور dc به یک مسئله بهینه سازی تبدیل شده است این مسئه شامل اهداف کاهش تلفات توان،هزینه ساخت و حجم موتور می باشد. تابع هزینه مقاله اصلی به کمک الگوریتم ژنتیک بهینه سازی شده است. در این پروژه الگوریتم بهینه سازی توده ذرات استفاده شده تا نشان داده شود از قدرت بیشتری نسبت به الگوریتم ژنتیک برخوردار است. کدهای الگوریتم pso نوشته شده در نرم افزار متلب استفاده شده است. کدهای الگوریتم ژنتیک قرار داده نشده است اما به راحتی می توان آنها را نیز بررسی کرد. می توان از دیگر روش های بهینه سازی نیز استفاده نمود و آنها را نیز مقایسه کرد. این پروژه مناسب درس کنترل بهینه می باشد. امیداورم که مفید واقع شود.