شبیه سازی آموزشی کنترل غیرمتمرکز مبتنی بر عامل برای ریزشبکه جزیره ای + بهینه سازی با متلب

 

چکیده مقاله (ترجمه ماشینی)

در این مقاله، یک مدل کنترل غیرمتمرکز مبتنی بر عامل برای ریزشبکه‌های جزیره‌ای (MGs) پیشنهاد شده است که از یک ساختار کنترلی دو لایه تشکیل شده است. لایه پایینی توزیع الکتریکی MG است، در حالی که لایه بالایی شبکه ارتباطی متشکل از عوامل است. یک عامل به عنوان یک پردازنده کنترل محلی همراه با دستگاه های ارتباطی در نظر گرفته می شود، بنابراین عامل ها می توانند حالت های فعلی ژنراتورهای توزیع شده (DGs) و بارها را هنگامی که خطوط ارتباطی بین دو لایه اضافه می شوند جمع آوری کنند. علاوه بر این، هر عامل همچنین می تواند با عوامل همسایه خود در شبکه تبادل اطلاعات کند. پس از پردازش اطلاعات بر اساس قوانین کنترل، عوامل تولید DGهایی را که به آنها متصل می شوند تنظیم می کنند. علاوه بر این، یک روش سیستماتیک ارائه شده است که می تواند برای استخراج مجموعه ای از قوانین کنترل برای عوامل از هر شبکه ارتباطی معین، پس از ارائه قوانین برای ایجاد شبکه ارتباطی استفاده شود. علاوه بر این، دیده شده است که توان خروجی عرضه شده توسط DG ها تقاضای بار در MG را زمانی که عوامل از قوانین کنترل پیشنهادی استفاده می کنند برآورده می کند. در نهایت، نتایج شبیه‌سازی نشان می‌دهد که نوسانات فرکانس و ولتاژ کم بوده و الزامات را برآورده می‌کند.

نفوذ فزاینده ژنراتورهای توزیع شده (DGs) در شبکه تامین برق، به ویژه با منابع تجدیدپذیر، می تواند نیازهای انرژی آینده را برآورده کند [1] و می تواند آلودگی و انتشار کربن را به میزان قابل توجهی کاهش دهد. با این حال، ممکن است اثرات منفی بر روی شبکه رخ دهد، مانند کیفیت ضعیف برق و پایداری ولتاژ. برای مقابله با این مشکلات، مفهوم ریزشبکه (MG) به عنوان راه حلی برای ادغام موثر DGs در شبکه معرفی شد. MG مجموعه ای از DG ها، بارها، سیستم های ذخیره انرژی و سایر تجهیزات است که می تواند در حالت جزیره ای یا حالت متصل به شبکه کار کند و می تواند به طور یکپارچه بین این دو حالت انتقال یابد [2]، [3]. به طور کلی، جزیره ای شدن ممکن است در صورت برنامه ریزی از پیش برنامه ریزی شده یا اختلالات برنامه ریزی نشده رخ دهد. علاوه بر این، حالت جزیره ای کاربردهای مفیدی در تعدادی از مناطق دورافتاده یا روستایی و جزایر جغرافیایی پیدا کرده است، جایی که اتصال به یک شبکه اصلی غیرممکن یا غیرممکن است. توجه داشته باشید که کنترل MGهای جزیره ای در مقایسه با MGهای متصل به شبکه، به دلیل اینرسی معادل کم آنها، عموماً نیازمندتر است. علاوه بر این، ولتاژ و فرکانس MGهای جزیره ای دیگر تحت تسلط شبکه اصلی نیستند [3]. نوسان خروجی توان DGهای متناوب ممکن است منجر به انحرافات شدید هم در فرکانس و هم در ولتاژ شود، اگر استراتژی های کنترل مناسب اتخاذ نشود [3]. در سال‌های اخیر، بسیاری از محققان بر روی طرح‌های کنترلی برای MGها تمرکز کرده‌اند [4]-[10]. در میان آنها، کنترل سلسله مراتبی روشی امیدوارکننده به نظر می رسد [7]، [11]، [12]. اولین سطح از رویکرد سلسله مراتبی، کنترل اولیه است، که حلقه های کنترل محلی هر DG را در یک MG توسط یک کنترل کننده محلی (LC) به طور مستقل اجرا می کند. استراتژی‌های اتخاذ شده در این سطح معمولاً کنترل افت، کنترل توان فعال و راکتیو (کنترل PQ) یا کنترل ولتاژ و فرکانس (کنترل V/F) هستند. علاوه بر این، کنترل ثانویه انحرافات ولتاژ و فرکانس تولید شده توسط کنترل اولیه را جبران می کند. کنترل ثانویه یک MG می تواند: 1) متمرکز. یا 2) غیر متمرکز. روش کنترل متمرکز به همه DG ها نیاز دارد که ابتدا با یک کنترل کننده مرکزی MG (MGCC) ارتباط برقرار کنند، و اقدامات کنترلی سپس به هر واحد پخش می شود، که به شدت به این کنترل کننده مرکزی وابسته است [12]، [13]. هنگامی که خرابی کنترل کننده مرکزی رخ می دهد، MG ممکن است از کار بیفتد، که قابلیت اطمینان سیستم را کاهش می دهد. علاوه بر این، بار محاسباتی کنترل‌کننده مرکزی در روش کنترل متمرکز زیاد است و اشتراک‌گذاری داده‌ها به دلیل پیچیدگی و هزینه آن، زمانی که تعداد DGها در یک MG به حد معینی می‌رسد، آسان نیست [12]. از طرف دیگر، کنترل غیرمتمرکز با یک شبکه ارتباطی یدکی نیازی به کنترل‌کننده مرکزی ندارد و هر واحد توسط سیستم کنترل محلی خود کنترل می‌شود، که اجازه می‌دهد عملیات کنترل به‌جای اطلاعات جهانی، به سادگی بر اساس اطلاعات محلی باشد [9]، [13]. [14]. انجام پروژه شبیه سازی

• مقدمه

کنترل ریزشبکه بر اساس روش کنترلی چند عاملی (multi agent) انجام شده است که یک روش کنترلی غیر متمرکز می‌باشد و مبتنی بر یک مقاله بیس بوده که مقاله بیس به همراه شبیه‌سازی‌ها ارسال شده‌است. در این روش، هر یک از منابع، توان تولیدی و بار مصرفی ناحیه خود را اندازه‌گیری کرده و برای منابع کناری خود ارسال می‌کنند و بر اساس آنها، توان تولیدی منابع قابل کنترل محاسبه می‌شود. توان اکتیو و راکتیو ذخیره‌ساز نیز با هدف تنظیم فرکانس و ولتاژ ریزشبکه محاسبه می‌شود و ذخیره‌ساز تنها زمانی که یک تغییر ناگهانی در ریزشبکه رخ دهد یا ریزشبکه با کمبود یا مازاد توان روبه رو باشد، توان تزریق یا جذب می‌کند.

ساختار ریزشبکه مورد نظر و پارامترهای مربوط به بارها و منابع نیز از مقاله بیس ارسالی انتخاب شده است. البته تعداد منابع بر اساس توضیحات ارسالی شما تنظیم شده و ریزشبکه شبیه‌سازی شده کمی کوچک‌تر از ریزشبکه ارائه شده در مقاله می‌باشد.  

شبیه‌سازی ارسالی حاوی دو پوشه می‌باشد. که محتویات این دو پوشه در ادامه توضیح داده شد و در نهایت نیز نحوی ران کردن شبیه‌سازی ها تشریح شده‌است. انجام پروژه متلب

 

• پوشه Optimization

این پوشه مربوط به بهینه‌سازی پارامترهای کنترلی ذخیره‌ساز انرژی می‌باشد. در این پوشه Case01 فایل سیمولینک ریزشبکه شماره 1 حاوی یک DG با توان قابل کنترل (نظیر منابع مبتنی بر سلول سختی یا FC) و یک ذخیره‌ساز انرژی در حالت متصل به شبکه می‌باشد که برای تنظیم ضرایب کنترلی استفاده شده است. با توجه به اینکه با افزایش تعداد DGها، زمان ران شدن سیمولینک به شدت زیاد می‌شود، ریزشبکه در نظر گرفته شده برای بهینه‌سازی پارامترهای ذخیره ساز کوچک در نظر گرفته شده تا بهینه‌سازی در زمان معقول انجام شود. در سیمولینک Case01 ریزشبکه ابتدا در حالت متصل به شبکه شروع به کار می‌کند. در زمان 0.3 ثانیه ریزشبکه به حالت جزیره‌ای می‌رود، در زمان 0.6 ثانیه بار شماره 1 به صورت پله‌ای افزایش یاافته و دوبرابر می‌شود و در زمان 0.9 ثانیه نیز بار شماره 1 به صورت پله‌ای کاهش یافته  و نصف می‌شود. این سناریوها برای بهینه‌سازی در نظر گرفته شده‌است. 

در این پوشه کد Parameters حاوی مقادیر پارامترهای مربوط به سیستم مورد نظر می‌باشد. کد fitness تابع هزینه بهینه‌سازی است که برای یک مقدار مشخصی از پارامترهای کنترل‌کننده ذخیره‌ساز انرژی که توسط PSO مشخص می‌شود، عملکرد سیستم در تنظیم فرکانس را مورد ارزیابی قرار می‌دهد. برای این کار سیمولینک ران شده و فرکانس ریزشبکه اندازه‌گیری می‌شود و بر اساس آن مقادیر فراجهش، خطای ماندگار و زمان نشست که مشخصه‌های مهم پاسخ پله هستند بدست می‌آیند. بهینه‌سازی با هدف کمینه‌سازی معیارهای مذکور انجام شده که در نهایت موجب بهبود تنظیم فرکانس ریزشبکه می‌شود.

در این پوشه کد PSO مربوط به کد الگوریم PSO می‌باشد که از تولباکس متلب فراخوانی و اجرا می‌شود. کد PlotResults نیز پس از پایان بهینه‌سازی به صورت خودکار ران شده و پاسخ فرکانسی سیستم را قبل و بعد از بهینه‌سازی نمایش می‌دهد.

 

• پوشه Main Simulation

این پوشه حاوی شبیه‌سازی اصلی می‌باشد که در آن فایل سیمولینک Case02 شامل ریزشبکه شماره 2 در حالت متصل به شبکه بوده و از منابع زیر تشکیل می‌شود:

1- DG شماره 1 از نوع PV

2- DG شماره 2 با توان قابل کنترل (نظیر FC)

3-  DG شماره 3 از نوع ذخیره‌ساز انرژی

4- DG شماره 4 از نوع توربین بادی

سناریوهای در نظر گرفته شده برای شبیه‌سازی عبارتند از:

• ریزشبکه در ابتدا در حالت متصل به شبکه شروع به کار می‌کند.
• در زمان 0.75 ثانیه، بار شماره 1 به میزان 0.75 درصد به صورت پله‌ای افزایش می‌یابد.
• در ثانیه 1.5 ریزشبکه از شبکه جدا شده و به حالت جزیره‌ای می‌رود.
• در زمان 2.25 ثانیه بار شماره 3 قطع می‌شود.
• در زمان 3 ثانیه نیز DG شماره یک یعنی PV از مدار خارج می‌شود.

 

• نحوی ران کردن شبیه‌سازی‌ها

در پوشه مربوط به بهینه‌سازی یعنی Optimization، تنها کافی است کد PSO ران شود. با ران کردن PSO، بهینه‌سازی شروع شده و در نهایت نتیجه بهینه‌سازی به صورت شکل 1 که مقایسه پاسخ فرکانسی ریزشبکه برای قبل و بعد از بهینه‌سازی است نمایش داده می‌شود. بر اساس شکل 1 مشخص است که بهینه‌سازی موجب بهبود پاسخ فرکانسی ریزشبکه 1 شده است.  

شبیه سازی آموزشی کنترل غیرمتمرکز مبتنی بر عامل برای ریزشبکه جزیره ای + بهینه سازی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی شده است.