پایدارسازی ولتاژ شین ریزشبکۀ جریان مستقیم با کنترل نحوۀ شارژ و دشارژ ذخیرهسازهای موجود در ریزشبکه به روش ANFIS | ||
| فصلنامه سیستم های انرژی پایدار | ||
| دوره 4، شماره 3، تابستان 1404، صفحه 311-338 اصل مقاله (1.76 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ses.2025.390599.1123 | ||
| نویسندگان | ||
| علی نهاوندی* 1؛ حسین احمدی واحد2 | ||
| 1استادیار، گروه مهندسی برق، دانشکدۀ فنی و مهندسی، دانشگاه ملایر، ملایر، ایران | ||
| 2کارشناسی ارشد، گروه مهندسی برق، دانشکدۀ فنی و مهندسی، دانشگاه ملایر، ملایر، ایران | ||
| چکیده | ||
| در این مقاله پایدارسازی ریزشبکۀ DC مورد بررسی قرار گرفته است. ریزشبکۀ مورد بررسی به صورت جزیرهای عمل میکند و منبع تولید پراکندۀ مورد استفاده در آن از نوع خورشیدی است. ریزشبکۀ مورد بررسی از چهار بخش عمده تشکیل شده که عبارتاند از: منبع تصادفی، بار تصادفی، بار تعادلی و پایدارساز. مهمترین قسمت این مدار، شاخۀ پایدارساز است که از شاخۀ باتری، شاخۀ ابرخازن و شاخۀ تخلیۀ ولتاژ مازاد تشکیل میشود. روشهای مختلفی برای کنترل و پایدارسازی ولتاژ ریزشبکه از جمله استفاده از کنترلکنندۀ PI و کنترل فازی وجود دارد. در این مقاله به منظور کاهش ریپل ولتاژ و پایدارسازی ریزشبکه، بهینهسازی توابع عضویت کنترلکنندۀ فازی با استفاده از الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری (TLBO) انجام شده است. خروجیهای بهینهشدۀ کنترلکنندۀ فازی با الگوریتم TLBO موجب بهینهسازی در نرخ کلیدزنی سه شاخۀ پایدارساز میشوند و در نهایت، به کاهش ریپل ولتاژ، کاهش شارژ و دشارژ باتری و افزایش عمر باتریها در ریزشبکه منجر خواهند شد. در این مقاله مدل ریزشبکه مورد بررسی در نرمافزار Matlab/Simulink شبیهسازی شده و سه روش کنترلی PI، فازی و فازی بهینهشده توسط الگوریتم مبتنی بر آموزش و یادگیری مورد بررسی و مقایسه قرار گرفتهاند. | ||
| کلیدواژهها | ||
| ریزشبکه؛ منبع تولید پراکنده؛ کنترل کننده فازی؛ الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری (TLBO) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 458 تعداد دریافت فایل اصل مقاله: 159 |
||