بهبود پایداری یک سیستم قدرت مجهز به SVC بر اساس کمینه سازی تابع انرژی در یک ساختار کنترل هماهنگ بهینه چند مدله

فناوری های نوین مهندسی برق در سیستم انرژی سبز

دوره 2، شماره 4 - شماره پیاپی 8، اسفند 1402، صفحه 65-81   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30486/teeges.2023.1990843.1083

نویسندگان

الهه پاگرد؛ شاهرخ شجاعیان^* ؛ محمد مهدی رضایی

دانشکده مهندسی برق، واحد خمینی شهر، دانشگاه آزاد اسلامی ، اصفهان، ایران

چکیده

در این مقاله، بهبود میرایی نوسانات فرکانس پایین (LFO) در یک سیستم قدرت شامل SVC  بررسی شده است. برای نیل به این هدف، استراتژی کنترلی جدیدی ارائه شده که در آن کنترل‌کننده چندمدله با استفاده از کنترل‌کننده بهینه خطی (LOC) و الگوریتم ازدحام ذرات (PSO) بهینه سازی می‌شود. بانک کنترل در کنترل‌کننده چند مدله، شامل سه کنترل کننده LOC است که از طریق خطی سازی معادلات غیر خطی سیستم و کمینه سازی یک تابع انرژی، سیگنال‌های بهینه‌ای را تولید می‌کنند تا پس از ترکیب شدن بوسیله الگوریتم بازگشتی بیز بطور همزمان به سیستم تحریک ژنراتور و به SVC اعمال شوند. برای ایجاد سیگنال بهینه خطی بایستی معادله ریکاتی حل شود؛ این معادله دارای دو ماتریس وزنی R_ric و Q_ric می‌باشد که بوسیله الگوریتم PSO بهینه سازی شده‌اند. الگوریتم PSO با دو تابع هدف ماکزیمم سازی کوچکترین جزء حقیقی در مقادیر ویژه و می‌نیمم‌سازی سطح زیر منحنی قدر مطلق انحراف سرعت، R_ric و Q_ric بهینه را محاسبه نموده است. برای ارزیابی استراتژی کنترلی MMC-LOC-PSO خطای سه فاز متقارنی بر روی بدترین باس اعمال شده و نتایج این دو تابع هدف با یکدیگر مقایسه شده است. شبیه‌سازی سیستم قدرت تک ماشینه با کد نویسی درMATLAB  انجام شده و نشان می‌دهد استراتژی کنترلی پیشنهادی، ضمن حفظ پایداری، LFO را نیز بطور موثری میرا می‌کند، خطای ماندگار سرعت و زاویه روتور را نیز به طور مطلوبی به سمت صفر سوق داده است. 

کلیدواژه‌ها

نوسانات فرکانس پایین؛ پایداری سیستم های قدرت؛ کنترل کننده چندمدله؛ کنترل کننده بهینه خطی؛ الگوریتم بهینه سازی؛ ازدحام ذرات

مراجع

1. K. S. Shim, S. J. Ahn, and J. H. Choi, “Synchronization of low-frequency oscillation in power systems,” Energies, vol. 10, no. 4, p. 558, 2017, doi: 10.3390/en10040558.
2. Y. Sang and M. Sahraei-Ardakani, “Economic benefit comparison of d-Facts and Facts in transmission networks with uncertainties,” in IEEE Power & Energy Society General Meeting (PESGM), Portland, OR, USA, 2018, pp. 1-5, doi: 10.1109/PESGM.2018.8585939, doi: 10.1109/PESGM.2018.8585939.
3. B. Dasu, M. Sivakumar, and R. Srinivasarao, “Interconnected multi-machine power system stabilizer design using whale optimization algorithm,” Protection and Control of Modern Power Systems, vol. 4, pp. 1–11, 2019, doi: 10.1186/s41601-19-0116-6.
4. T. Guesmi, B. M. Alshammari, Y. Almalaq, A. Alateeq, and K. Alqunun, “New coordinated tuning of SVC and PSSs in multimachine power system using coyote optimization algorithm,” Sustainability, vol. 13, no. 6, p. 3131, 2021, doi: 10.3390/su13063131.
5. J. Morsali and T. G. Bolandi, “Proposing FOPID-based PSS2B stabilizer using MGSO to improve damping of electromechanical oscillations in a multi-machine power system,” in 27th Iranian Conference on Electrical Engineering (ICEE), pp. 742–747, IEEE, 2019, doi: 10.1109/IranianCEE.2019.8786726.
6. S. Jalali and G. Shahgholian, “Designing of power system stabilizer based on the root locus method with lead-lag controller and comparing it with PI controller in multi-machine power system,” Journal of Power Technologies, vol. 98, no. 1, pp. 45-56, 2018.
7. D. Acharya, D. K. Das and A. Rai, Particle Swarm Optimization (PSO) based 2-DoF-PID power system stabilizer design for damping out low frequency oscillations in power systems," in 2nd International Conference on Innovations in Electronics, Signal Processing and Communication (IESC), Shillong, India, 2019, pp. 148-153, doi: 10.1109/IESPC.2019.8902378.
8. W. Du, W. Dong, Y. Wang, and H. Wang, “A method to design power system stabilizers in a multi-machine power system based on singlemachine infinite-bus system model,” IEEE Transactions on Power Systems, vol. 36, no. 4, pp. 3475–3486, 2020, doi: 10.1109/TPWRS.2020.3041037.
9. C. Abdelghani, L. Chaib, and S. Arif, "Robust control design of PSS for dynamic stability enhancement of power system," Journal of Electrical Systems, vol. 13, pp. 376-386, 06/01 2017.
10. S. Shojaeian and J. Soltani, “Low frequency oscillations damping of power system including unified power flow controller based on adaptive backstepping control,” Rev. Roum. Sci. Techn.–Électrotechn. et Énerg, vol. 58, no. 2, pp. 193–204, 2013.
11. C. Liu, G. Cai, J. Gao, and D. Yang, “Design of nonlinear robust damping controller for power oscillations suppressing based on backstepping fractional order sliding mode,” Energies, vol. 10, no. 5, p. 676, 2017, doi: 10.3390/en10050676.
12. E. Sharifi and A. Mazinan, “On transient stability of multi-machine power systems through takagi–sugeno fuzzy-based sliding mode control approach,” Complex & Intelligent Systems, vol. 4, pp. 171–179, 2018, doi: 10.1007/s40747-017-0063-7.
13. S. Huang, L. Xiong, J. Wang, P. Li, Z. Wang, and M. Ma, “Fixed-time fractional-order sliding mode controller for multimachine power systems,” IEEE Transactions on Power Systems, vol. 36, no. 4, pp. 2866–2876, 2020, doi: 10.1109/TPWRS.2020.3043891.
14. S. Tummala, R. Inapakurthi, and P. Ramanarao, “Observer based sliding mode frequency control for multi-machine power systems with high renewable energy,” Journal of Modern Power Systems and Clean Energy, vol. 6, pp. 473–481, 2018, doi: 10.1007/s40565-017-0363-3.
15. Z. Liu, S. Liu, Z. Li, and I. A. Tasiu, “A novel approach based on extended state observer sliding mode control to suppress voltage low frequency oscillation of traction network,” IEEE Access, vol. 7, pp. 52440–52454, 2019, doi: 10.1109/ACCESS.2019.2912219.
16. S. Shojaeian, J. Soltani, and G. A. Markadeh, “Damping of low frequency oscillations of multi-machine multi-upfc power systems, based on adaptive input-output feedback linearization control,” IEEE Transactions on power systems, vol. 27, no. 4, pp. 1831–1840, 2012, doi: 10.1109/TPWRS.2012.2194313.
17. B. Chaudhuri, R. Majumder, and B. C. Pal, “Application of multiple-model adaptive control strategy for robust damping of interarea oscillations in power system,” IEEE transactions on control systems technology, vol. 12, no. 5, pp. 727–736, 2004, doi: 10.1109/TCST.2004.833409.
18. L. Zhou, X. Yu, B. Li, C. Zheng, J. Liu, Q. Liu, and K. Guo, “Damping inter-area oscillations with large-scale pv plant by modified multiple model adaptive control strategy,” IEEE Transactions on Sustainable Energy, vol. 8, no. 4, pp. 1629–1636, 2017, doi: 10.1109/TSTE.2017.2697905.
19. Mostajabi, S. Shojaeian, and M. Lotfi, “Improving low frequency oscillation damping of a multi-area power system using multi-model adaptive control approach,” International Journal of Mechatronics, Electrical and Computer Technology, vol. 4, no. 11, pp. 628–646, 2014.
20. M. Sayidi, M. A. Nekoui and N. S. Boghrabidi, "Adaptive Optimal Control for a One-Machine Infinite-Bus Power System," in International Conference on Computational Intelligence for Modelling Control & Automation, Vienna, Austria, 2008, pp. 202-207, doi: 10.1109/CIMCA.2008.164.
21. E. Pagard, S. Shojaeian, M. M. Rezaei, “Damping of low-frequency oscillations in a power system, based on multiple-model optimal control strategy,” International Transactions on Electrical Energy Systems, vol. 2023, doi: 10.1155/2023/3992158.
22. H. Abniki, A. Asadi, P. Khajavi and M. T. Nabavi-Razavi, "A novel optimization technique for Linear Optimal Control and Power System Stabilizer in multi-machine power systems," in 10th International Conference on Environment and Electrical Engineering, Rome, Italy, 2011, pp. 1-4, doi: 10.1109/EEEIC.2011.5874718.
23. M. Jazaeri and H. F. Wang, "Multi-mode genetic algorithm based linear optimal control design for power systems," in International Conference on Sustainable Power Generation and Supply, Nanjing, China, 2009, pp. 1-6, doi: 10.1109/SUPERGEN.2009.5347920.
24. M. Z. Youssef, P. K. Jain and E. A. Mohamed, "A robust system stabilizer configuration using artificial neural network based on linear optimal control (student paper competition)," in Canadian Conference on Electrical and Computer Engineering. Toward a Caring and Humane Technology (Cat. No.03CH37436), Montreal, QC, Canada, 2003, pp. 569-573 vol.1, doi: 10.1109/CCECE.2003.1226460.
25. H. Abniki, A. Asadi, P. Khajavi, and M. Nabavi-Razavi, “A novel optimization technique for linear optimal control and power system stabilizer in multi-machine power systems,” in 10th International Conference on Environment and Electrical Engineering, pp. 1–4, IEEE, 2011, doi: 10.1109/EEEIC.2011.5874718.
26. R. Fazal and M. Choudhry, “Design of non-linear static var compensator based on synergetic control theory,” Electric Power Systems Research, vol. 151, pp. 243–250, 2017, doi: 10.1016/j.epsr.2017.05.014.
27. P. Krause, O. Wasynczuk, and S. D. Sudhoff., et al. Analysis of electric machinery and drive systems. Vol. 2., New York: IEEE press, 2002.
28. R. Badar, M. Z. Khan, and M. A. Javed, “Mimo adaptive bspline-based wavelet neuro fuzzy control for multi-type facts,” IEEE Access, vol. 8, pp. 28109–28122, 2020, doi: 10.1109/ACCESS.2020.2969387.
29. A. Gupta, A., Sharma, P., 2013. “Fuzzy based Svc auxiliary controller for damping low frequency oscillations in a power system,” in The Next Generation Information Technology Summit (4th International Conference). IET, pp. 87–91, doi: 10.1049/cp.2013.2298.