or

کنترل بهینه تولید توان بادی نوع DFIG با استفاده از تحلیل حساسیت و بهینه‌سازی گروه ذرات

Ydima.ir- ثبت رایگان آگهی کاری و نیازمندی ها در اینترنت

خرید آنلاین انواع بیمه نامه های بیمه ایران از نمایندگی رباط کریم عسگری کد 33237 با ارسال رایگان

dl-doc.ir - فروش پروژه ،مقاله،پایان نامه و پروپوزال

دانلود اصل مقاله لاتین و ترجمه  فارسی کنترل بهینه تولید توان بادی نوع DFIG با استفاده از تحلیل حساسیت و بهینه‌سازی گروه ذرات

چکیده

کنترل بهینه مزارع بادی مقیاس وسیع یک موضوع مهم برای توسعه سیستم‌های انرژی تجدیدپذیر و اتصال آن ها به شبکه قدرت جهت تامین برق قابل اطمینان، ایمن و کارا می‌باشد. در بین فناوری‌های ارائه شده در این زمینه، نتایج تحقیقاتی اخیر که از هر دو جامعه توان و انرژی و جامعه هوش محاسباتی (CI) بدست آمده است نشان می‌دهد که تحقیقات هوش محاسباتی نوآوری‌های فنی اساسی را برای این مساله چالش برانگیز ارائه می‌دهد. در این مقاله، ما یک روش تحلیل حساسیت مبتنی بر اطلاعات مسیر حرکت و حوزه فرکانس در ترکیب با الگوریتم تکاملی ارائه می‌دهیم تا کنترل بهینه توان بادی مبتنی بر ژنراتورهای القائی تغذیه دوگانه (DFIG) حاصل شود. به جای بهینه‌سازی کل پارامترهای کنترلی، ایده کلیدی ما استفاده از تحلیل حساسیت برای شناسائی پارامترهای مهم، پارامترهای کنترلی غالب متحد (UDCP)، است تا پیچیدگی بهینه‌سازی کاهش یابد. بر اساس چنین پارامترهای انتخاب شده، ما از الگوریتم بهینه‌سازی گروه ذرات(PSO)  استفاده می‌کنیم تا مقادیر بهینه برای دستیابی به هدف کنترلی را بیابیم. تحلیل شبیه‌سازی و مطالعات مقایسه‌ای نشان دهنده کارائی روش ما است.

  1. مقدمه

با افزایش رو به رشد تقاضای انرژی و نگرانی‌های زیست‌محیطی، توسعه شبکه‌های قدرت هوشمند به یک موضوع تحقیق مهم در سراسر دنیا بدل شده است. برای حل چالش‌ها و توسعه یک شبکه واقعا هومشند، تلاش‌های زیادی در این زمینه و در سطوح مختلف انجام شده است، که از تحقیقات آکادمیک، تحقیق و توسعه صنعتی (R&D) گرفته تا سیاست‌های دولت این جریان ادامه دارد. با اینکه کل سیستم شبکه هوشمند یک فناوری و سیستم اجتماعی به شدت پیچیده است، ما در این مقاله روی یکی از مولفه‌های اساسی متمرکز می‌شویم، و آن عبارت است از کنترل بهینه توربین بادی (WT) نوع ژنراتور القائی تغذیه دوگانه (DFIG) ، که این روش کنترلی بر اساس تحلیل حساسیت و بهینه‌سازی گروه ذرات (PSO) صورت می‌گیرد.

DFIG به دلیل مزایای بیشمار آن نسبت به دیگر ژنراتورهای توربین بادی مثل ژنرتور القائی قفسه سنجابی و ژنراتور سنکرون مغناطیس دائم، به طور گسترده در سیستم توان بادی به کار می‌رود. مشخصات DFIG دارای راندمان بالا بوده، کنترل آن انعطاف پذیر بوده و هزینه سرمایه‌گذاری کمی دارد. استاتور DFIG به طور مستقیم به شبکه برق متصل می‌وشد در حالی که روتور از طریق یک مبدل پشت به پشت به شبکه قدرت وصل است، که تنها 20 تا 30 درصد ظرفیت نامی DFIG را در برمی‌گیرد به این دلیل که مبدل تنها جریان تحریک DFIG را تغذیه می‌کند. مبدل پشت به پشت شامل سه بخش است: مبدل سمت روتور (RSC)، مبدل سمت شبکه (GSC) و خازن لینک dc. کنترلر مبدل تاثیر چشمگیری روی پایداری DFIG متصل به شبکه دارد.

Optimized Control of DFIG-Based Wind
Generation Using Sensitivity Analysis and
Particle Swarm Optimization
Yufei Tang, Ping Ju, Senior Member, IEEE, Haibo He, Senior Member, IEEE, Chuan Qin, and Feng Wu
Abstract—Optimal control of large-scale wind farm has become
a critical issue for the development of renewable energy systems
and their integration into the power grid to provide reliable,
secure, and efficient electricity. Among many enabling technologies, the latest research results from both the power and energy
community and computational intelligence (CI) community have
demonstrated that CI research could provide key technical innovations into this challenging problem. In this paper, we propose
a sensitivity analysis approach based on both trajectory and
frequency domain information integrated with evolutionary algorithm to achieve the optimal control of doubly-fed induction
generators (DFIG) based wind generation. Instead of optimizing
all the control parameters, our key idea is to use the sensitivity
analysis to first identify the critical parameters, the unified dominate control parameters (UDCP), to reduce the optimization
complexity. Based on such selected parameters, we then use
particle swarm optimization (PSO) to find the optimal values to
achieve the control objective. Simulation analysis and comparative
studies demonstrate the effectiveness of our approach.
Index Terms—Computational intelligence, DFIG, optimized
control, particle swarm optimization, sensitivity analysis, smart
grid.

این فایل ورد ترجمه در 33 صفحه و فایل اصلی pdf مقاله در 12 صفحه به خدمتتون ارائه میشود.

125,000 ریال – خرید











اطمینان به اصالت سایت / راهنمای خرید/ کد تخفیف / گزارش مشکل در خرید/ تبلیغات در سایت

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد.

تا 10% تخفیف ویژه کلیه محصولات آموزشی سایت به مناسبت عید غدیر مولا امام علی (ع)(دریافت کد تخفیف)
+