خلاصه

امروزه در میان چندین توپولوژی توربین بادی ، غالباً از توربین های بادی سرعت متغیر با بکارگیری ژنراتور القایی دو سو تغذیه ای (DFIG)[1] استفاده میشود [1]. از جمله مزایای نیروگاههای بادی مجهز به DFIG می توان به موارد زیر اشاره کرد: انعطاف پذیری لازم برای کنترل توان اکتیو و راکتیو، قابلیت ردیابی حداکثر توان (MPPT)[2] توسط کنترل کننده سرعت ، استرس مکانیکی کم و مقیاس کوچک مبدل پشت به پشت [2][3].

کنترل توان در توربین های بادی سرعت ثابت به صورت مکانیکی و در توربین های سرعت متغییر هم بصورت مکانیکی و هم بصورت الکتریکی انجام میگیرد. در این پژوهش روش کنترلی شبکه عصبی[3]،کنترل بهینه[4] وکنترل ترکیبی بکارگرفته شده مربوط به قسمت الکتریکی میباشد زیرا کنترل کننده های مکانیکی سرعت عملکرد پایینی دارند و با توجه پیش بینی رفتار باد و تولید توان آتی بصورت پایدار از این روش استفاده میشود. هدف این سیستم ، کنترل توان اکتیو و راکتیو خروجی و به عبارت دیگر حداقل کردن زمان رسیدن به توان مطلوب میباشد]4[.

ورودی های کنترلی عبارتند از: ولتاژ خط، جریان سه فاز استاتور، جریان سه فاز خط، جریان روتور، ولتاژ DC ، زوایه رتور، سرعت زاویه ای توربین. خروجی های کنترل کننده عبارتند از: پالس های مبدل AC-DC-AC در سمت شبکه و روتور، زاویه [5]pitch، توان اکتیو و راکتیو می باشد. در این پژوهش به پیاده سازی کنترل بهینه برای سیستم توربین بادی DFIG مبتنی بر الگوریتم های شبکه های عصبی و ژنتیک[6] می پردازیم. در ادامه به بررسی ساختار سیستم پیاده سازی و ویژگی های کلی آن می پردازیم. در نهایت به ارائه الگوریتمی ترکیبی بر اساس سیستم شبکه عصبی و ژنتیک می پردازیم.

تابع هدف ما کمینه کردن زمان رسیدن به حالت ماندگار در کنترل توسط شبکه عصبی ، کنترل بهینه و کنترل ترکیبی است. زمان کل شبیه سازی 5 ثانیه و رسیدن به حالت ماندگاردر حالت قبل از شبیه سازی 0.2 ثانیه است که در حالت شبیه سازی با شبکه عصبی و بهینه به ترتیب 0.18 و 0.16 ثانیه می باشدکه نسبت به حالت قبل کمتر شده است. همچنین پایداری ولتاژ سیستم نیز سریعتر شده 0.1 ثانیه رسیده است.