بهبود پاسخ اينرسي توربين‌هاي بادي سرعت متغير با استفاده از سيستم فازي TSK و الگوريتم بهينه‌سازي ذرات (PSO)

Improvement of Inertia Response in Variable Speed Wind Turbines Using T–S Fuzzy System and PSO Algorithm

با افزايش نفوذ توربين هاي بادي سرعت متغير در سيستم هاي قدرت، اينرسي معادل شبكه كاهش ‌يافته و در نتيجه نوسانات فركانس سيستم پس از بروز اغتشاش، افزايش مي يابد. براي غلبه بر اين مشكل، يك حلقه كنترل تكميلي به مبدل الكترونيك قدرت توربين‌هاي بادي سرعت متغير افزوده مي شود تا اينرسي اين نوع از توربين‌ها در شبكه به اشتراك گذاشته شود؛ اما ميزان مناسب اين مشاركت وابسته به ميزان بار بوده و مي بايست متناسب با بار تغيير كند. در اين مقاله، يك سيستم فازي تاكاگي- سوگنو و كانگ (TSK) به منظور تعيين ضريب مشاركت توربين‌هاي بادي سرعت متغير به گونه اي طراحي مي شود كه پس از بروز اغتشاش، اين حداكثر اينرسي خود را براي جبران كاهش توليد در شبكه به اشتراك گذارده و درعين‌حال از حد مجاز كمينه سرعت خود عبور نكنند و موجب به وجود آمدن اغتشاشي ديگر در شبكه نشوند. در اين روش، ابتدا با به‌كارگيري الگوريتم بهينه سازي انبوه ذرات، مقادير بهينه ضريب مشاركت متناسب با بار به صورتي به دست مي آيد كه قيد حد مجاز كمينه سرعت رعايت شود. در مرحله بعد با استفاده از الگوريتم خوشه-بندي تفاضلي، قواعد اوليه و سيستم فازي TSK اوليه از اين پارامتر هاي بهينه استخراج مي شوند و سپس روش حداقل مربعات بازگشتي براي تنظيم سيستم فازي TSK و تعيين پارامتر هاي بخش موخر آن بكار گرفته مي شود. كارايي روش پيشنهادي، طي شبيه‌سازي‌هايي در بار هاي مختلف نشان داده شده است.

With increasing influence of variable speed wind turbines in power systems, the equivalent inertia of network is reduced. Accordingly, after the occurrence of disturbance in system, the frequency fluctuations in power systems increase. To overcome this problem, a supplementary control loop is added to the converter of the variable speed wind turbine in order to share the inertia of this type of turbines in the network. But the appropriate rate of this contribution depends on the amount of load and must be suitably changed based on the load. In this paper, a Takagi–Sugeno (T–S) fuzzy system is designed to determine the coefficient of the contribution of the variable speed wind turbine after the onset of disturbance, whereas sharing the maximum value of their inertia to compensate the reduced production in the network. However, the turbines do not pass their minimum speed limit while sharing the maximum value of inertia, causing another disturbance in the network. In the proposed method, first, by using Particle Swarm Optimization (PSO) algorithm, the optimal values of contribution proportional to the amount of load is obtained, while the constraint of minimum speed is not violated. In the next stage, the initial T–S fuzzy system is extracted from the optimal values of contribution by using subtractive clustering algorithm. Moreover, Recursive Least Square (RLS) algorithm is used to adjust the consequent part of the T–S system. The efficiency of the proposed method is demonstrated through the simulation in the variable amount of load.