کنترل فرکانس یک ریزشبکه جزیره‌ای با استفاده از کنترل هوشمند پاسخ گویی بار مبتنی بر منطق فازی و الگوریتم بهینه‌سازی ازدحام ذرات

قاسمی, رضا; محمدی, حمید رضا; طاهر, سید عباس

کنترل فرکانس یک ریزشبکه جزیره‌ای با استفاده از کنترل هوشمند پاسخ گویی بار مبتنی بر منطق فازی و الگوریتم بهینه‌سازی ازدحام ذرات

نویسندگان

دانشگاه کاشان

چکیده

با افزایش نفوذ انرژی‌های تجدیدپذیر در سیستم‌های قدرت، مسئله کنترل فرکانس اهمیت بیشتری یافته و روش‌های کنترل‌ متداول قادر به حفظ پایداری سیستم قدرت نیستند. در شبکه‌های هوشمند، پاسخگویی بار به عنوان یک ابزار کنترل فرکانس، وابستگی شبکه به ذخیره چرخان و کنترل‌کننده‌های با هزینه بالا را کاهش می‌دهد. علاوه بر مزایای اقتصادی پاسخگویی بار، میرایی تغییرات فرکانس با سرعت بالا از جمله ویژگی‌های مهم آن است. در این مقاله کنترل فرکانس یک ریزشبکه جزیره‌ای با استفاده از کنترل هوشمند پاسخگویی بار مبتنی بر منطق فازی و الگوریتم بهینه‌سازی ازدحام ذرات ارائه شده است که قادر است بطور مداوم تعادل بین تولید و تقاضا را با وجود تغییرات طبیعی و نامعین در توان خروجی منابع انرژی بادی و خورشیدی، تأمین نماید. در مقایسه با سایر کارهای انجام شده استفاده از کنترل‌کننده‌ی پیشنهادی باعث بهبود مشخصات پاسخ گذرا از جمله زمان نشست، میزان فراجهش و فروجهش شده و ضمن برطرف کردن محدودیت منابع ذخیره‌سازی انرژی، در کاهش آلودگی‌های زیست محیطی ناشی از عملکرد دیزل ژنراتور مؤثر بوده است. با استفاده از نتایج شبیه‌سازی در یک ریزشبکه‌ی جزیره‌ای، عملکرد مطلوب کنترل‌کننده‌ هوشمند پاسخگویی بار در مقایسه با سایر روش‌های کنترلی متداول به خوبی نشان داده شده است.

کلیدواژه‌ها

20.1001.1.23223707.1396.6.2.2.6

عنوان مقاله [English]

Frequency Control of an Islanded Microgrid based on Intelligent Control of Demand Response using Fuzzy Logic and Particle Swarm Optimization (PSO) Algorithm

نویسندگان [English]

Reza Ghasemi
Hamid Reza Mohammadi
Seyed Abbas Taher

چکیده [English]

Due to the increasing penetration of renewable energies in the power system, the frequency control problem has attracted more attention, while the traditional control methods are not capable of regulating the frequency and securing the stability of the system. In smart grids, demand response as the frequency control tool reduces the dependence on spinning reserve and high cost controllers. In addition to the economic benefits of the demand response control, its high-speed in damping of frequency changes is significant. In this paper, based on intelligent control of demand response and using fuzzy logic and particle swarm optimization algorithm, frequency control of an islanded microgrid is proposed. This approach is capable of continuously balancing the generation and demand in case of natural undetermined variation in the output power of wind generation and photovoltaic systems. In comparison with the related work, the proposed controller improves the settling time, overshoot, and undershoot of the response. Moreover, it resolves the restriction of the energy storage systems and effectively reduces environmental pollution due to diesel operation. The simulation results in an islanded microgrid show the good performance of the proposed intelligent controller for demand response control in comparison with traditional controllers.

کلیدواژه‌ها [English]

Frequency Control
Microgrid
Demand Response
Fuzzy Logic
Particle Swarm Optimization

مراجع

[1] S. Chowdhury, S. P. Chowdhury, and P. Crossley, "Microgrids and Active Distribution Networks." The Institution of Engineering and Technology, London, UK, 2009. [2] S. A. Pourmousavi, and M. H. Nehrir, "Real-Time Central Demand Response For Primary Frequency Regulation in Microgrids," IEEE Trans. Smart Grid, vol. 3, no. 4, pp. 1988-1996, 2012. [3] L. C. Saikia, J. Nanda, and S. Mishra. "Performance comparison of several classical controllers in AGC for multi-area interconnected thermal system," Int. J. Electr. Power & Energy Syst, vol. 33, no. 3, pp. 394-401, 2011. [4] K. P. Singh Parmar, S. Majhi, and D. P. Kothari. "Automatic generation control of an interconnected hydrothermal power system," 2010 Annual IEEE India Conference (INDICON), Kolkata, India, 2010. [5] N. Hatziargyriou, H. Asano, R. Iravani, and C. Marnay, "Microgrids: An Overview of Ongoing Research, Development, and Demonstration Projects," IEEE Power Energy Mag., vol. 5, no. 4, pp. 78-94, 2007. [6] H. Bevrani, F. Habibi, P. Babahajyani, M. Watanabe, and Y. Mitani, "Intelligent Frequency Control in an AC microgrid: On line PSO based-fuzzy tuning approach," IEEE Trans. Smart Grid, vol. 3, no. 4, pp. 1935-1944, Dec. 2012. [7] A. H. Mohsenian-Rad and A. Leon-Garcia, "Optimal residential load control with price prediction in real-time electricity pricing environments," IEEE Trans. Smart Grid, vol. 1, no. 2, pp. 120–133, Sep. 2010. [8] D. C. Dos, "Demand response strategy for frequency control of a parabolic dish solar thermal diesel based microgrid," 2017 International Conference on Intelligent Sustainable Systems (ICISS), Palladam, India, 2017. [9] H. Al Yammahi, and A. Ai-Hinai, "Intelligent frequency control using optimal tuning and demand response in an AC microgrid," 2015 International Conference on Solar Energy and Building (ICSoEB), Sousse, Tunisia, 2015. [10] H. Bevrani, M.R. Feizi, and S. Ataee, "Robust Frequency Control in an Islanded Microgrid: H∞ and μ-Synthesis Approaches,", IEEE Trans. Smart Grid , vol. 7, no. 2, pp. 706-717, Mar. 2016. [11] فاطمه جمشیدی، سیده لیلی امامزاده‌ای و محمد مهدی قنبریان، "کنترل فرکانس ریزشبکه‌‌ی جزیره‌‌ای با کنترلگر تناسبی- انتگرالی ‌‌تنظیم شده با منطق فازی و الگوریتم ازدحام ذرات"، مجله علمی-پژوهشی رایانش نرم و فن آوری اطلاعات، جلد 6، شماره 1، بهار سال 96. [12] فرشید حبیبی، حسن بیورانی و جمال مشتاق، "کاربرد شبکه‌های عصبی مصنوعی در طراحی یک کنترل‌کننده هوشمند فرکانس برای یک ریزشبکه جزیره‌ای،" مهندسی برق و مهندسی کامپیوتر ایران، جلد ۱۰، شماره ۳۱، صفحات ۱-۱۰، پاییز 1391. [13] حسین شایقی و حمزه آریان‌پور، "طراحی مقاوم کنترل‌کننده فازی PID بلادرنگ مبتنی بر الگوریتم بهبودیافته تکامل تفاضلی برای کنترل فرکانس ریزشبکه جزیره ای با در نظر گرفتن عوامل غیرخطی و عدم قطعیت ها"، مهندسی برق دانشگاه تبریز، جلد ۴۶، شماره ۳، صفحات ۲۴۱-۲۵۶، پاییز 1395. [14] S. A. Pourmousavi, and M. H. Nahrir, "Introducing Dynamic Demand Response in the LFC Model," IEEE Trans. Power Syst., vol. 29, no. 4, pp. 1562-1572, 2014. [15] A. P. Kundur, "Power system Stability and Control." McGraw-Hill, New York, USA, 1994. [16] H. Bevrani, A. Ghosh, and G. Ledwich, "Renewable energy sources and frequency regulation: Survey and new perspectives," IET Renew. Power Gener., vol. 4, no. 5, pp. 438-457, 2010. [17] A. Zadeh, "Fuzzy sets," Information and Control, vol. 8, no. 3, pp. 338-353, 1965. [18] J. M. Mendel and G. C. Mouzouris, "Designing fuzzy logic systems," IEEE Trans. Circuits Syst. II, Analog Digit. Signal Process., vol. 44, no. 11, pp. 885–895, Nov. 1997. [19] J. Kennedy and R. C. Eberhart, "Particle swarm optimization," Proceedings of ICNN'95 - International Conference on Neural Networks, Perth, WA, Australia, 1995.