روشي جديد براي استحصال توان بهينه از توربين هاي بادي: مدل زماني- مكاني براي مزرعه بادي با استراتژي نروفازي

A Novel Method for Optimum Electrical Energy Harvesting from Wind Turbines: A Space-Time Model for Wind Farm by Neuro-Fuzzy Strategy

در اين مقاله روشی جديد برای حصول بهينه برق از توربين های مزارع برق بادی ارايه می شود. در روش پيشنهادی با استفاده از تلفيق سابقه زمانی پارامترهای باد با اطلاعات مكانی آن، مدلی مبتنی بر استنتاج فازی برای مزرعه بادی تشكيل شده و به روز می شود. با استفاده از مدل فوق، می توان پارامترهای باد دريافت شده توسط هر توربين در مزرعه بادی را  به دست آورد. برای ارزيابی عملكرد روش پيشنهادی، دو نوع متداول از شرايط وزشی باد با تغييرات كند و تند شبيه‌سازی می شود. نتايج حاكی از آن هستند كه روش پيشنهادی می تواند در حالت وزش باد با تغييرات كند خطای تخمين باد و ميزان يكنواختی برق حاصله را به ترتيب 3/5 درصد و 52/0 ولت نسبت به روش های موجود بهبود بخشد. اين بهبودها در شرايط وزش باد تند به ترتيب1/17 درصد و 7/12 ولت به دست می آيند. بر اين اساس ملاحظه می شود كه مدل پيشنهادی اين مقاله خصوصاً در شرايط وزش بادهای با توربولانس بالا می‌تواند پارامترهای تنظيم دقيق تری برای توربين ها به دست آورده و در نتيجه برق يكنواخت تری را به شبكه تزريق نمايد.

In this paper, a novel method is introduced for optimum energy harvest from wind farms. In the proposed method, wind farm is modeled by fuzzy-logic and the model is updated using a combination of wind parameters history and wind’s spatial information. Utilizing this model, the parameters for the wind blowing through each turbine in the wind farm is estimated. To evaluate the performance of the proposed method two practical wind types are simulated. In the first scenario, the wind maintains low turbulence and its parameters change slowly while in the second scenario the wind demonstrates high turbulences and its parameters undergo sudden shifts. Simulation results for the proposed method are obtained in both scenarios. For the first scenario, the comparison reveals that the proposed method improves the accuracy of wind speed estimation and the monotonousness of the obtained electrical voltage by 5.3% and 0.52 volts respectively compared to existing methods. These improvements reach 17.1% and 12.7 volts in the presence of high turbulence winds in the second scenario. Based on these corroborating simulations, it is concluded that the proposed method provides a more accurate estimate of wind parameters for the wind blowing through the wind farm.