توضیحات
در این تحقیق اثرات تنطیم کننده و کنترل کننده های مربوط به ادوات FACTS که در این مقاله بطور انحصاری در تجهیزات TCSC، SSSC و STATCOM در پایداری گذرا بررسی شده است.
شبیه سازی در این مقاله به دو بخش تقسیم بندی شده است در بخش اول شامل بهینه سازی پارامترهای کنترل کننده است که توسط الگوریتم های GA، GSA و AVURPSO انجام شده است. لازم بذکر است در این قسمت از مقاله کدهای بهینه سازی مربوط به هریک از بهینه سازی ها انجام شده است و در فایل های ارسالی موجود می باشد که با توجه به مقاله و در تمامی روابط و فرمول های موجود تنها نتایج خروجی مقادیر تنظیم شده کنترل کننده ها آورده شده است و هیچ تابع هدف و قیدی جهت بهینه سازی در مقاله موجود نیست فلذا با وجود این علاوه بر کدهای بهینه سازی انجام شده در یک فایل نمونه نحوه بهینه سازی پارامترها آورده شده است.
کدهای بهینه سازی الگوریتم : GA – تولباکس این الگوریتم در پیش فرض نرم افزار متلب نیز وجود دارد:
function gaDat=ga(g)
%
% Basic Genetic Algorithm
%
% gaDat=ga(gaDat)
% gaDat : Data structure used by the algorithm.
%
% Data structure:
% Parameters that have to be defined by user
% gaDat.FieldD=[lb; ub]; % lower (lb) and upper (up) bounds of the search space.
% % each dimension of the search space requires bounds
% gaDat.Objfun=’costFunction’; % Name of the 0bjective function to be minimize
%
% Parameters that could be defined by user, in other case, there is a default value
% gaDat.MAXGEN={gaDat.NVAR*20+10}; % Number of generation, gaDat.NVAR*20+10 by default
% gaDat.NIND={gaDat.NVAR*50} ; % Size of the population, gaDat.NVAR*50 by default
% gaDat.alfa={0}; % Parameter for linear crossover, 0 by default
% gaDat.Pc={0.9}; % Crossover probability, 0.9 by default
% gaDat.Pm={0.1}; % Mutation probability, 0.1 by default
% gaDat.ObjfunPar={[]}; % Additional parameters of the objective function
% % have to be packed in a structure, empty by default
% gaDat.indini={[]}; % Initialized members of the initial population, empty
% % by default
%
% Grupo de Control Predictivo y Optimización – CPOH
اساس کار این الگوریتم بهنیه سازی بر اساس تولید و تکثیر جمعیت و میزان جهش و کروموزوم ها می باشد با توجه به کد های فوق بخش های مختلف مربوط به قید ها و توابع هدف می توان هر مطالعه ای را انجام داد در این مقاله تابع هدف مشخص نیست که با چه هدفی و با چه قیدهایی بخواهیم پارامتر های کنترلی را استخراج کنیم و طبیعتا در یک تابع رندوم و بدون هدف نمی توان مقدار صحیح و منطقی ای برای پارامتر های مهم در نظر گرفت. و از طرفی اگر بخواهیم با توجه به مطالعات سیستمی شبکه بخواهیم مقادیر پارامتر ها رو با توجه به قیدهای سیستم قدرت از نظر ولتاژ، حداکثر باردهی و میزان توان تابع هدف را شکل دهیم به شکل قطعی نقص ایجاد خواهد شد چون با توجه به حضور ادوات FACTS و PSS و همچنین تولید احتمالاتی منایغ انرژی تجدید پذیر بادی و خورشیدی امکان تعیین پارامتر قطعی و بهنیه کاملا غلط است و به قوت رد می شود و به همین دلیل استنباط می شود که نویسندگان مقاله از ارائه توابع بهینه سازی خودداری کرده اند و تنها به ارائه نتایج بسنده کرده اند.
بخش نرم افزار متلب:
شبیه سازی بصورت کامل در شکل زیر آورده شده است:
که شماتیک فوق همانند سیستم شبیه سازی شده در مقاله شامل ادوات FACTS و همچنین ژنراتورها مجهز به PSS بوده اند و علاوه بر این منایع انرژی تجدید پذیر بادی و خورشدی نیز همانند مقاله شبیه سازی شده است:
که می توان اثر همزمان تمامی ادوات FACTS را در شبکه دید و یا اینکه در صورت مطالعه موردی براحتی می توان منابع دیگر را غیر فعال کرد و تنها شبیه سازی با در نظر گرفتن اثر یک جبرانساز صورت پذیرد و همچنین در رابطه با پایدار ساز نیز با توجه به کلید های تعبیه شده در آن میتوان اثر آن در میزان میرایی سیستم لحاظ کرد:
مدل در نظر گرفته شده در TCSC بصورت زیر می باشد که نتایج شبیه سازی و پارامتر های بصورت زیر است:
نتایج حاصل از شبیه سازی SSSC:
نتایج حاصل از شبیه سازی Statcom:
در بخش دیگسایلنت نیز بشرح زیر است:
- فایلهای پروژه آموزشی به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.