دانلود ترجمه مقاله بهینه سازی پارامتر تناسبی- انتگرالی-مشتقی در کنترل پیچ تیغه در توربین های بادی

1- مقدمه 2- روش 3- تحلیل های عملکرد الگوریتم ها 4- نتایج شبیه سازی و مباحثه 5- نتیجه گیری

چکیده - توان های خروجی در توربین بادی (WTها) با پیچ تیغه متغیر در بازه سرعت های باد اسمی، با استفاده از تنظیم پیچ تیغه، کنترل می شود. در زمان تنظیم پیچ تیغه، کنترلرهای مرسوم تناسبی-انتگرالی- مشتقی (PID) و برخی از الگوریتم های ژنتیک هوشمند (IGAها)، کاربرد گسترده ای در سیستم های مدنظر دارند. از آن جای که IGAها، روش های بهینه سازی مبتنی بر اجتماع هستند، توانایی جستجوی راه حل های چند نقطه ای را دارند. با این وجود بهینه سازی تنظیم های پارامتر PID در کنترلرهای IGA، گامی مهم و بسیار دشوار در WTها به شمار می رود. برای حل این مشکل، در حالی که بهینه سازی با نرخ های تعدیل کننده جهش، در برخی از کنترلرهای IGA انجام می شود، بهینه سازی با تغییر تعداد نقاط همگذری در سایر موارد انجام می شود. در این مطالعه، یک رویکرد الگوریتم جدید IGA برای بهینه سازی تنظیمات پارامتر PID در کنترلر پیچ تیغه پیشنهاد شده است. این الگوریتم هم نرخ جهش و هم تعداد نقاط همگذری را با هم، بر اساس پیشرفت الگوریتم، برای بار اول استفاده، مجددا سامان می بخشد. رویکرد IGA جدید، با استفاده از نرم افزار متلب/سیمولینک، آزمایش و اعتبارسنجی شده است. سپس برتری آن با مقایسه سایر الگوریتم های ژنتیک (GAها) اثبات شده است. به صورت متعاقب،رویکرد IGA جدید، با موفقیت بیشتری به نسبت سایر روش های GA توانسته است پیچ تیغه یک WT که با سرعت بالای باد به فعالیت مشغول است را تنظیم کند.

Output powers of wind turbines (WTs) with variable blade pitch over nominal wind speeds are controlled by means of blade pitch adjustment. While tuning the blade pitch, conventional proportional–integral–derivative (PID) controllers and some intelligent genetic algorithms (IGAs) are widely used in hot systems. Since IGAs are community-based optimisation methods, they have an ability to look for multi-point solutions. However, the PID parameter setting optimisation of the IGA controllers is important and quite difficult a step in WTs. To solve this problem, while the optimisation is carried out by regulating mutation rates in some IGA controllers, the optimisation is conducted by altering crossover point numbers in others. In this study, a new IGA algorithm approach has been suggested for the PID parameter setting optimisation of the blade pitch controller. The algorithm rearranging both the mutation rate and the crossover point number together according to the algorithm progress has been firstly used. The new IGA approach has also been tested and validated by using MATLAB/Simulink software. Then, its superiority has been proved by comparing the other genetic algorithm (GAs). Consequently, the new IGA approach has more successfully adjusted the blade pitch of a WT running at higher wind speeds than other GA methods.