دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 8 |
فرمت فایل | doc |
حجم فایل | 5727 کیلو بایت |
تعداد صفحات فایل | 24 |
Optimized Control of DFIG-Based Wind Generation Using Sensitivity Analysis and Particle Swarm Optimization
Abstract—Optimal control of large-scale wind farm has become
a critical issue for the development of renewable energy systems
and their integration into the power grid to provide reliable,
secure, and efficient electricity. Among many enabling technologies,
the latest research results from both the power and energy
community and computational intelligence (CI) community have
demonstrated that CI research could provide key technical innovations
into this challenging problem. In this paper, we propose
a sensitivity analysis approach based on both trajectory and
frequency domain information integrated with evolutionary algorithm
to achieve the optimal control of doubly-fed induction
generators (DFIG) based wind generation. Instead of optimizing
all the control parameters, our key idea is to use the sensitivity
analysis to first identify the critical parameters, the unified dominate
control parameters (UDCP), to reduce the optimization
complexity. Based on such selected parameters, we then use
particle swarm optimization (PSO) to find the optimal values to
achieve the control objective. Simulation analysis and comparative
studies demonstrate the effectiveness of our approach..
کنترل بهینه سازی شده ی تولید بادی مبتنی بر- DFIG با استفاده از آنالیز حساسیت و بهینه سازی ازدحام ذرات
چکیده
کنترل بهینهی مزرعه بادی در مقیاس بزرگ مسالهای حیاتی برای ایجاد سیستمهای انرژی تجدیدپذیر و ادغام آنها به شبکهی برق به منظور تامین برق مطمئن، ایمن، و کارآمد شده است. در میان بسیاری از فنآوریهای با قابلیت، آخرین نتایج تحقیقات از هر دو جامعهی قدرت و انرژی و جامعهی هوش محاسباتی (CI) نشان دادهاند که پژوهش CI نوآوریهای کلیدی فنی برای به چالش کشیدن این مسئله را ارائه میکند. در این مقاله، روش آنالیز حساسیت بر اساس منحنی مسیر و اطلاعات حوزهی فرکانسی یکپارچه شده با الگوریتم تکاملی به منظور دستیابی به کنترل بهینهی تولید بادی مبتنی بر ژنراتورهای القائی تغذیهی دوسویه (DFIG) ارائه شده است. به جای بهینهسازی تمام پارامترهای کنترلی، ایدهی اصلی ما اولا استفاده از آنالیز حساسیت به منظور شناسایی پارامترهای بحرانی، پارامترهای کنترلی غالب یکپارچه (UDCP) به منظور کاهش پیچیدگی بهینهسازی است. از اینرو براساس این پارامترهای انتخاب شده، از بهینهسازی اجتماع ذرات (PSO) به منظور یافتن مقادیر بهینه برای دستیابی به هدف کنترلی استفاده میکنیم. آنالیز شبیهسازی و مطالعات تطبیقی کارایی روش ما را نشان میدهد.