طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
22,500 تومانشناسه فایل: 9831
چکیده
در این مقاله، الگوریتم BAT برای تنظیم بهینه کنترل کننده های PI و طراحی کنترل کننده فرکانس بار (LFC) پیشنهاد شده است. مسئله تنظیم صحیح PI مبتنی بر طراحی LFC در قالب بهینه سازی مبتنی بر تابع هدف ناحیه زمانی است که با الگوریتم BAT برای دستیابی به بهینه‌ترین نتایج حل شده است. برای نشان دادن کارایی روش پیشنهادی، سیستم قدرت متصل دو ناحیه‌ای به عنوان سیستم مورد آزمایش، مدنظر قرار گرفته است. برای اطمینان از توانمندی استراتژی کنترل پیشنهادی برای تثبیت نوسانات فرکانس، فرآیند طراحی طیف گسترده‌ای از شرایط عملیاتی و سیستم غیرخطی را در نظر می گیرد. نتایج شبیه‌سازی برای تشخیص برتری الگوریتم BAT در میان روش‌های الگوریتم تبرید شبیه‌سازی‌شده (SA) و تنظیم پارامترهای کنترل کننده PI در شاخص‌های مختلف ارائه شده ست. ارزیابی نتایج نشان می دهد که الگوریتم پیشنهادی عملکرد خوبی را در میان طیف وسیعی از پارامترهای سیستمی و تغییرات بار در مقایسه با SA دارد.
مقدمه مقاله
در سیستم‌های قدرت الکتریکی با مقیاس بزرگ که به سطوح متصل هستند، کنترل فرکانس بار (LFC) نقش مهمی ایفا می‌کند. LFC با هدف حفظ فرکانس سیستم هر ناحیه و قدرت خط ارتباطی درون ناحیه‌ای با حدود قابل تحمل بپردازد تا بتواند با نوسانات تقاضاهای بار و اختلالات سیستم مقابله کند. این توابع مهم به LFC اختصاص یافته‌اند زیرا سیستم قدرت با طراحی مناسب باید ولتاژ و فرکانس در طیف برنامه‌ریزی شده را در عین ارائه سطوح قابل قبولی از کیفیت قدرت حفظ می کند.
در خلال دهه‌های گذشته، چندین پژوهش و روش در زمینه LFC اجرا شده است. کنترل مقاوم، رویکرد قرارگیری قطبی، کنترل ساختاری متغیر و بازخورد وضعیت برای پرداختن به مسئله طراحی LFC مورد استفاده قرار گرفته است. این راهبردها معایبی مانند کنترلر رتبه بالا، دشواری، پیچیدگی و غیرقابل اجرایی بودن را نیز داشت. در تلاش برای غلبه بر معایب ذکر شده، پژوهش های متعددی از رویکرد هوش مصنوعی (AI) مانند کنترلر منطق فازی (FLC) و شبکه عصبی مصنوعی (ANN) استفاده کرده‌اند. اگرچه این روش‌ها در پرداختن به ویژگی‌های غیرخطی سیستم قدرت کارآمد محسوب می‌شوند، اما مستلزم محاسبات گسترده‌ای است. برای نمونه، FLC باید به عملیات فازی‌سازی، ذخیره‌سازی پایه، مکانیسم استنتاج و غیرفازی‌سازی بپردازد. در مورد ANN، حجم زیادی از داده‌های مورد نیاز برای آموزش، منبع اصلی محدودیت محسوب می‌شود. واضح است، یک پردازشگر کم هزینه نمی‌تواند در چنین سیستمی استفاده شود.
رویکرد جایگزین استفاده از روش‌های الگوریتم تکاملی (EA) است. به واسطه توانایی آن در کنترل توابع هدف غیرخطی، EA در پرداختن به مسئله LFC کارآمد محسوب شده است. در میان روش‌های EA، الگوریتم ژنتیک (GA)، بهینه سازی گروهی ذرات (PSO)، بهینه‌سازی کلونی مورچه (ACO) کاوش باکتریایی (BF) و کلونی مصنوعی زنبور (ABC) در طراحی کنترلر LFC مورد توجه قرار گرفته است. با وجود این، چنین الگوریتم‌هایی برای مسئله طراحی کارآمد هستند اما در همگرایی آهسته در مرحله جستجوی تصفیه شده و قابلیت جستجوی ضعیف محلی چندان مناسب نیستند و ممکن است در حداقل راه حل‌های محلی گرفتار شوند. به تازگی، الگوریتم محاسباتی تکاملی جدیدی موسوم به الگوریتم BAT از سوی ارائه شد و سپس توسط گسترش یافت. این الگوریتم، بهینه‌سازی براساس جمعیتی ساده و بسیار قدرتمند است. علاوه بر این، به پارامترهای کنترلی کمتری برای تنظیم نیاز دارد. از این رو، ابزار بهینه‌سازی مناسبی برای طراحی کنترلر سیستم قدرت است.
در این مقاله الگوریتم BAT را برای تنظیم بهینه کنترلرهای PI پیشنهاد می شود. انگیزه این تحقیق، اطمینان و اثبات قدرتمندی الگوریتم BAT مبتنی بر کنترلر PI در افزایش عملکرد انحراف فرکانس و قدرت خط اتصال تحت شرایط مختلف بارگذاری و در حضور سیستم‌های غیرخطی است.
ABSTRACT Load frequency controller design via BAT algorithm for nonlinear interconnected power system
BAT algorithm is proposed in this paper for optimal tuning of PI controllers for load frequency controller (LFC) design. The problem of robustly tuning of PI based LFC design is formulated as an optimization problem according to time domain objective function that is solved by BAT algorithm to find the most optimistic results. To demonstrate the effectiveness of the proposed method, a two-area interconnected power system is considered as a tested system. To ensure robustness of the proposed control strategy to stabilize frequency oscillations, the design process takes a wide range of operating conditions and system nonlinearities into account. The simulation results are given to detect the superiority of BAT algorithm over Simulated Annealing (SA) in tuning PI controller parameters through different indices. Results evaluation show that the proposed algorithm achieves good robust performance for wide range of system parameters and load changes compared with SA.
Introduction
In the large scale electric power systems with interconnected areas, Load Frequency Control (LFC) plays an important role. The LFC is aimed to maintain the system frequency of each area and the inter-area tie line power within tolerable limits to deal with the fluctuation of load demands and system disturbances [1,2]. These important functions are delegated to LFC due to the fact that a well-designed power system should keep voltage and frequency in scheduled range while providing an acceptable level of power quality [3,4].
During the last decades several researches and techniques had been applied to the field of LFC. Robust control [5–12], pole placement approach [13,14], variable structure control [15], and state feedback [16], are used to deal with LFC problem design. These strategies have some disadvantages such as high order controller, difficulty, complexity and inapplicable to implement. In an effort to overcome aforementioned disadvantages, several researches have used Artificial Intelligence (AI) approaches such as Fuzzy Logic Controller (FLC) [17–23] and Artificial Neural Network (ANN) [24–27]. Although these methods are effective in dealing with the nonlinear characteristics of power system, they require extensive computation. For example, FLC has to deal with fuzzification, rule base storage, inference mechanism, and defuzzification operations. For ANN, the large amount of data required for training are a major source of constraint. Clearly, a low-cost processor cannot be employed in such a system.
An alternative approach is to employ Evolutionary Algorithm (EA) techniques. Due to its ability to handle nonlinear objective functions, EA is visualized to be very effective to deal with LFC problem. Among the EA techniques, Genetic Algorithm (GA) [28– 33], Particle Swarm Optimization (PSO) [34–38], Ant Colony Optimization (ACO) [39], Bacteria Foraging (BF) [40–44] and Artificial Bee Colony (ABC) [45,46] have attracted the attention in LFC controller design. However, these algorithms appear to be effective for the design problem, they pain from slow convergence in refined search stage, weak local search ability and may lead to possible entrapment in local minimum solutions. Recently, a new evolutionary computation algorithm, called BAT algorithm has been presented by [47] and further established recently by [48–53]. It is a very simple and robust population based optimization algorithm. Moreover, it requires less control parameters to be tuned. Hence, it is suitable optimization tool for power system controller design.
This paper proposes BAT algorithm for optimal tuning of PI controllers. The motivation behind this research is to ensure and prove the robustness of BAT based PI controller in enhancing the performance of both frequency deviation and tie line power under various loading conditions in presence of system nonlinearities.
- مقاله درمورد طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- طراحی کنترل کننده فرکانس بار با الگوریتم خفاش برای سیستم قدرت متصل غیر خطی
- طراحی فرکانس کنترل کننده فرکانس از طریق الگوریتم BAT برای سیستم قدرتمند غیرخطی متصل شده
- پروژه دانشجویی طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- طراحی کنترلر فرکانس سمت بار از طریق الگوریتم BAT
- پایان نامه در مورد طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- تحقیق درباره طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- مقاله دانشجویی طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT در قالب پايان‌نامه
- پروپوزال در مورد طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- گزارش سمینار در مورد طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT
- گزارش کارورزی درباره طراحی کنترلر فرکانس بار (LFC) با الگوریتم BAT