دانلود ترجمه مقاله بهبود کیفیت توان UPQC متصل به WECS

1. مقدمه 2. مدل پیشنهادی برای WECS با UPQC 3. نتایج و بررسی ها 4. نتیجه گیری

چکیده – در این مقاله، طرحی از عملکرد ترکیبی بهینه ساز کیفیت توان یکنواخت (UPQC) و سیستم تبدیل انرژی بادی (WECS) به منظور اصلاح مسائل کیفیت توان در سیستم های توزیعی ارائه شده است. ادغام توان بادی در یک شبکه الکتریکی با یک سری مسائل کیفیت توان (PQ) مواجه است. استراتژی کنترلی UPQC با استفاده از روش تطبیقی آنالیز شده که برای الگوریتم کرم شب تاب (FFA) و شبکه عصبی برگشتی (RNN) مورد استفاده قرار می گیرد. به منظور بهینه سازی پالس های کنترلی با UPQC، FFA مورد استفاده قرار گرفته و RNN برای آموزش پارامترهای بهینه سازی استفاده می شود. پالس های کنترلی بهینه با استفاده از فیلترهای توان اکتیو موازی و سری (APF) مبتنی بر پارامترهای سمت منبع و سمت بار تولید می شوند. این رویکرد در زمینه تزریق توان اکتیو به شبکه در کنار توانایی آن برای بهبود PQ در سیستم توزیع کاربرد دارد. عملکرد سیستم UPQC مبتنی بر FFA پیشنهادی از طریق شبیه سازی ها و با استفاده از سیمولینک متلب و مقایسه با روش های موجود مانند UPQC پشتیبان ANFIS و UPQC پشتیبان GA تأیید شده است.

In this paper a design of combined operation of Unified Power Quality Conditioner (UPQC) and Wind Energy Conversion System (WECS) is presented to alleviate the power quality problems in distribution system. The integration of wind power into an electric grid encounters the Power Quality (PQ) problems and which will be minimized. The control strategy of UPQC is analyzed with adaptive technique, which is used for Firefly Algorithm (FFA) and Recurrent Neural Network (RNN). To optimize the control pulses to UPQC, FFA is used and the RNN is used to train the optimization parameter. The optimal control pulses are generated by the series and shunt Active Power Filters (APF) based on the source side and load side parameters. This approach is competent to inject the active power to grid in addition to its ability to improve the PQ in distribution system. The performance of the proposed FFA based UPQC system is validated through simulations using MATLAB/SIMULINK and compared with the existing techniques such as ANFIS support UPQC and GA support UPQC.