بهبود پايداري ديناميك احتمالاتي ريزشبكه جزيره‌اي

دكتري تخصصي

ريزشبكه يك فرم يكپارچه از منابع توليد پراكنده مي‌باشد كه به طور معمول با بار و شبكه‌ي برق از طريق اينورترهاي الكترونيك قدرت در ارتباط بوده و مي‌تواند در حالت متصل به شبكه و يا در حالت جزيره‌اي به كار گرفته شود. در حالت متصل به شبكه، ريزشبكه بسته به ميزان توليد و بار با سياست‌هاي فروش مناسب، به شبكه‌ي اصلي، برق تزريق و يا از آن تغذيه مي‌كند. هنگامي كه ريزشبكه به حالت جزيره‌اي منتقل مي‌شود، تغيير در ولتاژ و فركانس برجسته‌تر مي‌گردد، زيرا در وضعيت متصل به شبكه، ولتاژ و فركانس توسط شبكه تعيين مي‌شود. به دليل محدود بودن سطح منابع توليدي در دسترس در ريزشبكه، پايين بودن سطح اينرسي در ريزشبكه و عدم ‌قطعيت ناشي بار و توليد منابع تجديدپذير انرژي، دامنه نوسانات و تغيير نقطه كار سيستم شديد مي‌باشد. در چنين شرايطي، امكان تعيين يك نقطه كار غالب و تحليل پايداري حول آن وجود ندارد. از اين رو، پاسخ بدست آمده از روش تحليل پايداري سيگنال كوچك براي ريزشبكه جزيره‌اي فقط به صورت محلي معتبر بوده و قابل تعميم به كل شبكه نيست. به منظور حل اين مشكل، در اين مطالعه از روش‌ پايداري سيگنال بزرگ لياپانوف به منظور تحليل پايداري ريزشبكه استفاده شده است. از سوي ديگر، به منظور مدل‌سازي عدم‌قطعيت منابع از دو روش شامل 1) توابع چگالي احتمال و توزيع كاپلا و 2) مدل فازي Takagi-Sugeno و شبكه ANFIS بهره گرفته شده است. در نهايت، ناحيه پايداري ريزشبكه به كمك دو روش فوق‌الذكر استخراج و نتايج با يكديگر مقايسه شده‌اند. پس از مدل‌سازي ريزشبكه جزيره‌اي و استخراج مدل مبتني بر عدم‌قطعيت منابع، به منظور بهبود رفتار ديناميكي سيستم، به بحث طراحي كنترل‌كننده‌ ثانويه غيرمتمركز به منظور مديريت توان در شبكه پرداخته شده است. در اين بخش، رفتار كنترل‌كننده‌هاي PI مرسوم با كنترل‌كننده پيشنهادي مبتني بر شبكه عصبي بازگشتي بر روي شبكه غيرقطعي مدل‌سازي شده ارائه شده است. براساس مطالعات صورت گرفته به طور كلي برخي از نتايج بدست آمده در ادامه ارائه شده است: o كمبود اينرسي موجب مي‌شود كه ريزشبكه يك سيستم چند زماني و بسيار حساس باشد. بنابراين، تحليل پايداري سيگنال كوچك، محلي بوده و امكان تعميم نتايج حاصل از آن براي تمام سيستم وجود ندارد. o استفاده از مدل Takagi-Sugeno براي شناسايي مدل ريزشبكه، يك مدل جامع از سيستم با در نظر گرفتن عدم‌قطعيت پارامترها ارائه مي‌دهد. هر زيرسيستم، رفتار ريزشبكه را حول يك نقطه كار خاص، توصيف مي‌كند كه در مجموع اين زيرسيستم‌ها، فضاي كلي ريزشبكه را تشكيل مي‌دهند. oروش پيشنهادي سيگنال بزرگ، يك ناحيه جذب غيرمحافظه‌كارانه از ريزشبكه در مقايسه با روش‌هاي قطعي ارائه مي‌دهد. در واقع، در نظر گرفتن عدم‌قطعيت سيستم با استفاده از يك سيستم فازي-عصبي، موجب دست‌يابي به يك مدل فضاي حالت دقيق از سيستم مي‌گردد. oمدل‌سازي عدم‌قطعيت با استفاده از توابع عضويت فازي و مدل TS، امكان لحاظ نمودن تغييرات بار و PV در مطالعات پايداري را فراهم مي‌آورد. اما از آنجايكه، توابع عضويت زيرسيستم در سيستم فازي به صورت استاتيك تعيين شده و امكان تطبيق آن با شرايط بهره‌برداري وجود ندارد. بنابراين، شبكه فازي-عصبي (ANFIS)، به منظور تنظيم ديناميكي ضرايب وزني سيستم براساس شرايط بهره‌برداري استفاده گرديد. oدر شرايط بهره‌برداري مختلف و به ازاي وقوع پيشامدهاي متفاوت، كنترل‌كننده اوليه PI پاسخ گذرا و ماندگار مطلوبي نداشته و پاسخ خروجي سيستم داراي خطاي بسيار زيادي مي‌باشد. استفاده از كنترل‌كننده ثانويه مبتني بر پسرو حالت، موجب بهبود پاسخ حالت گذراي سيستم مي‌شود، اما سيستم همچنان در شرايط حالت ماندگار نوساني بوده و نمي‌تواند با صفر كردن سيگنال خطا، به يك خروجي ثابت همگرا شود. استفاده از كنترل‌كننده ثانويه مبتني بر تصوير شبكه‌هاي عصبي، پاسخ حالت ماندگار و گذراي مطلوبي ارائه داده و داراي، زمان نشست بسيار كم بوده و نوسانات به سرعت ميرا مي‌گردند.

195307

دانشگاه علم و صنعت ايران

سيستم‌هاي قدرت

مهندس احد كاظمي