دانلود ترجمه مقاله کنترلر فیدبک حالت بهینه برای تنظیم فرکانس یک ریزشبکه هوشمند

1. مقدمه 2. مدل سازی ریزشبکه 3. کنترل LQR فیدبک حالت 4. تنظیم دقیق ماتریسهای وزنی «Q» و «R» 5. بهینه سازی مبتنی بر بیوجغرافی (BBO) 6. ریزشبکه هوشمند 7. نتایج شبیه سازی و تحلیل 8. نتیجه گیری

چکیده – توسعه معیارهای «Q» و «R» برای طراحی یک رگولاتور درجه دوم خطی (LQR) هنوز یک چالش تحقیقاتی است. این تئوری می گوید، اینها باید به گروه معیارهای قطعی مثبت تعلق داشته باشند، بنابراین نیاز به یافتن مناسب ترین مورد در میان آنها داریم تا پاسخ مطلوب بدست آید. در این مقاله، تکنیک بهینه سازی مبتنی بر بیوجغرافی (BBO) برای سروکار داشتن با بهترین معیارهای «Q» و «R»، بکار گرفته شده اند، معیارهایی مانند اعمال فرکانس بعد از اغتشاش در یک میکروشبکه به حداقل برسد. همانگونه که همه حالت های یک سیستم عملی ممکن است قابل اندازه گیری نباشد، بنابراین ما از تخمینگر کالمن برای تخمین آنها استفاده کردیم. این حالت های تخمین زده شده همراه با دیگر معیارهای اندازه گیری شده دیگر توسط LQR استفاده می شوند تا سیگنال کنترل مطلوب تولید شود. ریزشبکه با استفاده از طرح مبتنی بر عامل یکپارچه شده با یک کنترلر اصلی و یک پرتکل ارتباطاتی صحیح، هوشمندتر می شود. نتایج شبیه سازی نشان می دهند که روش پیشنهادی پاسخ فرکانسی ریزشبکه را بهبود می بخشد و همچنین روش جایگزین جدیدی برای کنترل فرکانسی یک ریزشبکه هوشمند فراهم می سازد. مقدمه: تلفیق منابع تولید کننده برق ظرفیت پایین در سیستم توزیع پسیو موجود، آنرا به یک شبکه توزیع اکتیو تبدیل می کند و عموماً اینها در یک حالت متصل به شبکه کار می کنند. با این وجود، خطا، کاهش موقتی ولتاژ و نوسانات فرکانس بزرگ در شبکه اصلی، ممکن است آنها را وادار به قطع شدن از شبکه اصلی و کار کردن به عنوان یک ریزشبکه مجزا کند. در این شرایط، تغییراتی در خروجی توان از طرف منابع ریز قابل کنترل که نیاز به تنظیم صحیح دارند، بوجود خواهد آمد، بگونه ای که می تواند یک تعادل بین تامین و تقاضا در شبکه مفصل بوجود آید. دیزل ژنراتور، سیستم مبتنی بر توربین گازی سیکل ترکیبی، پیل سوختی، الکترولایزر آبی، باتری، باد، و غیره را می توان به عنوان منابع قابل کنترل در نظر گرفت، اگر در یک ریز شبکه موجود باشند. مشهور است که هنگامی که عدم تناسب در یک سیستم قدرت بین تامین و تقاضا وجود داشته باشد، این اختلاف با انرژی اینرسی تامین می شود و بنابراین، فرکانس سیستم تغییر می کند.

Development of “Q” and “R” matrices for designing a Linear Quadratic Regulator (LQR) is still a research challenge. The theory says they should belong to the group of positive definite matrices, so we need to find out the most suitable amongst them in order to obtain the desired response. In this paper biogeography based optimization (BBO) technique has been applied to come up with the best “Q” and “R” matrices such that the frequency excursion following a disturbance in a microgrid is minimized. As all the states in a practical system may not be measurable hence, we have used Kalman estimator to estimate them. These estimated states along with other measured states are used by the LQR to produce the desired control signal. The microgrid is made smarter by using the agent based scheme integrated with a master controller and a proper communication protocol. The simulation results show that the proposed approach improves the microgrid frequency response and also gives a new alternative method for frequency control of a smart microgrid. INTRODUCTION: Integration of small capacity power generating sources into the present passive distribution system converts it to an active distribution network [1] and they generally operate in a grid connected mode. However, fault, voltage sags and large frequency oscillations in the main grid, may force them to get disconnected from the main grid and operate as an isolated microgrid [1]. In this situation there will be changes in the power output from the controllable micro sources which need to be regulated properly so that there can be a balance between demand and supply within the isolated microgrid [2]–[4]. The diesel generator, combine cycle gas turbine based system, fuel cell, aqua electrolyzer, battery, wind, etc., can be considered as controllable sources, if available in the microgrid. It is well-known that when there is a mismatch in demand and supply in a power system, the gap is met by inertial energy and hence, the frequency of the system changes.