در این فصل با توجّه به حضور تولیدات انرژی تجدیدپذیر در شبکه،  پاسخ دینامیکی شبکه در حضور ضریب مشخّصی از تولید بادی و یا تولید خورشیدی و یا هر دو همزمان، بدون بکار بردن برنامه‌های کنترلی جهت کنترل فرکانس و با بکار بردن آنها مورد مقایسه قرار می‌گیرند. اثر استفاده از ذخیره‌ساز‌ها در حضور همزمان تولید بادی DFIG با پشتیبانی موقّت  توان اکتیو و تولید خورشیدی با اعمال کنترلر دروپ فرکانس طی چند سناریو بررسی شده و ضریب نفوذ بهینه‌ای برای استفاده از منابع انرژی تجدیدپذیر تعیین می‌شود. برای داشتن پاسخ فرکانسی مطلوب و از بین بردن خطای حالت ماندگار بهره‌های کنترلر انتگرال‌گیر حلقه کنترلی ثانویه توسط الگوریتم بهینه‌سازی نوسان ذرات، بهینه شده و نتایج حاصله بیان می‌شود.

4-2- حضور DFIG در کنترل فرکانس سیستم قدرت

در شبیه سازی حاضر، بنا بر این است که پاسخ دینامیکی سیستم قدرت تحت  ضرایب مختلف نفوذ تولید بادی و با داشتن سطوح گوناگونی از پشتیبانی توان اکتیو از جانب DFIG بررسی شود. مدل سیستم قدرت مورد استفاده قرار گرفته در شبیه سازی در شکل2-8 نشان داده شده است. پارامترهای سیستم قدرت دو ناحیه ای حرارتی در جدول-1 در بخش ضمیمه آمده است. هنگامیکه اغتشاش باری سبب بروز افت فرکانس در ناحیه می‌شود، تولیدات سنتی و همچنین مزرعه ی بادی DFIG باید برای پشتیبانی فرکانس توان بیشتری را تأمین نمایند. از مدل خطی شده ی سیستم دو ناحیه ای حرارتی که در فصول قبل معرفی شد، به همراه مدل معرفی شده DFIG برای پشتیبانی توان اکتیو جهت نشان دادن قابلیّت‌های رویکرد کنترلی عنوان شده تحت ضرایب نفوذ مختلف استفاده شده است. تنظیم سیستم‌های دروپ و همچنین محاسبه ثابت لختی شبکه در حضور ضریب نفوذ مشخّصی از تولید بادی مطابق رابطه‌های 3-10 و 3-11 محاسبه می‌شود.
تولید بادی DFIG و پشتیبانی توان اکتیو تأمین شده از جانب آن را می‌توان تحت چند حالت بررسی کرد:
DFIG با ضریب نفوذ مشخّص، هیچگونه پشتیبانی فرکانسی را تأمین نمی‌کند. در چنین شرایطی تمام توان مورد نیاز برای جبران افت فرکانس از ژنراتورهای سنکرون و تولید متداول حاصل می‌شود. اغتشاش باری  معادل با 0.1 مبنای واحد در ناحیه ی 1 که مزرعه بادی در آن واقع شده، در ثانیه 5 شبیه سازی اتفاق می‌افتد. شکل‌های 4-1 و 4-2 منحنی‌های افت فرکانس در دو ناحیه برای ضریب نفوذ مختلف را نشان می‌دهد.
زمانی که DFIG پشتیبانی فرکانس را تأمین نمی‌کند، ضریب نفوذ بیشتر تولید بادی به سبب کاهش بیشتر در لختی سیستم منجر به افت بیشتر فرکانس خواهد شد. علاوه بر این در چنین شرایطی با افزایش ضریب نفوذ و در نتیجه اغتشاش فرکانسی حاد تر، توان بیشتری از طریق تولید متداول تأمین می‌شود. شکل‌های4-3 تا 4-5 تغییر توان ژنراتورهای ناحیه 1 و 2 و همچنین توان انتقالی خط ارتباطی بین ناحیه را نشان می‌دهد.
 
 
 
 
 
شکل 4- 1تغییرات فرکانس ناحیه 1 در حضور سطوح مختلف تولید بادی در سیستم قدرت
شکل 4- 2 تغییرات فرکانس ناحیه 2 در حضور سطوح مختلف تولید بادی در سیستم قدرت
 
شکل 4- 3 تغییر توان ژنراتور ناحیه 1
شکل 4- 4 تغییر توان ژنراتور ناحیه 2
 
شکل 4- 5 تغییرات توان انتقالی خط ارتباطی بین ناحیه‌ای
علاوه بر پشتیبانی فرکانسی که تولیدات متداول انجام میدهند، DFIGs نیز می توانند در کنترل فرکانس مشارکت داشته باشند(شکل 3-9). در شکل‌های 4-6 الی 4-8 پاسخ دینامیکی سیستم قدرت شامل تغییرات فرکانس نواحی و تغییرات توان خط واسط زمانیکه DFIG در کنترل فرکانس مشارکت دارد و نیز زمانی که DFIG  پشتیبانی فرکانسی تأمین نمی‌کند و همچنین پاسخ شبکه بدون حضور هیچگونه تولید تجدیدپذیر (پاسخ پایه) رسم شده و با یکدیگر مقایسه می‌شوند. در شبیه سازی توان اضافی تأمینی برای پشتیبانی فرکانس  معادل با 0.05 مبنای واحد (بر پایه توان نامی مزرعه بادی) به رفرنس توان افزوده شده است. فرض شده است سرعت باد در سراسر مزرعه بادی یکنواخت بوده و معادل با 9.5  باشد و در طول دوره شبیه سازی ثابت باقی ماند. در چنین شرایطی مدت زمانی که طول می کشد سرعت چرخش روتور توربین بادی به مرز 0.7 مبنای واحد (حداقل سرعت) برسد معادل با 58 ثانیه می‌باشد.
ضریب نفوذ تولید بادی در ناحیه 20% در نظر گرفته شده است. همانطور که مشخّص است در حضور تولید بادی DFIG و بدون پشتیبانی فرکانس، افت فرکانس نسبت به پاسخ پایه بیشتر است. در حالتی که DFIG در پشتیبانی فرکانس مشارکت دارد، شبکه پاسخ نسبتاً بهتری دریافت می‌کند.
 
شکل 4- 6 تغییرات فرکانس ناحیه 1 برای حالت‌های در نظر گرفته شده
شکل 4- 7 تغییرات فرکانس ناحیه 2 برای حالت‌های در نظر گرفته شده
 
شکل 4- 8 تغییرات توان انتقالی خطوط
با استفاده از تابع پشتیبانی کنترل فرکانس پیشنهادی علاوه بر توان مشخّصی که قبل از بروز اغتشاش DFIG برای شبکه تأمین می‌نمود، تغییر توانی موقّت متناسب با تغییرات فرکانس و همچنین نرخ تغییرات فرکانس جهش افزایش موقّت لختی و ظرفیت تنظیم فرکانس شبکه حاصل می‌شود. با فراهم آوردن این توان اضافی، سرعت روتور کاهش می‌یابد و انرژی جنبشی بیشتری را به شبکه تزریق نموده که منجر به جبران سازی بهتر اغتشاش وارده به سیستم  می‌شود.  در ضریب نفوذ تولید بادی در شبکه ضرب می‌شود تا از توان مبنای مزرعه بادی به مبنای ناحیه تبدیل شود. در ادامه با وارد عمل شدن انتگرال‌گیر‌های کنترل ثانویه تغییرات فرکانس رفته‌رفته کاهش یافته و تقریبا به صفر می‌رسد. در نتیجه تقاضای توان اضافی اکتیو از بین می‌رود و توربین بادی مجدّداً به وضعیت کارکرد معمولی خود وارد شده و سعی در بازیابی سرعت بهینه خود تحت دارد.
شکل‌های 4-9 و 4-10 توان خروجی ژنراتورهای سنکرون در دنبال کردن الگوی بار را در حالاتی که تولید بادی وجود ندارد، ضریب نفوذ DFIG 20% و پشتیبانی فرکانس وجود ندارد و در زمانیکه پشتیبانی فرکانس برقرار هست را با پاسخ پایه مقایسه می‌کند. طبیعتاً زمانی که تابع پشتیبانی فرکانس در DFIG فعّال می‌شود، علاوه بر افزایش توانایی کنترل فرکانس شبکه با کمتر شدن میزان تغییرات توان مکانیکی توربین واحدهای حرارتی، فشار کمتری بر تجهیزات تولید توان متداول نیز وارد می‌آید.
 در نیروگاه‌های بخار حجم قابل توجّهی از بخار در محفظه بخار و باز گرمکن، تأخیری در زمان لازم جهت تغییر توان مکانیکی به وجود می آورد. به همین دلیل واکنش سریع توربین‌های بادی DFIG در تأمین توان اکتیو اضافی و موقّت  برای شبکه، موقعیت خوبی برای کمک به سیستم قدرت در جهت کاهش شدّت افت اولیّه فرکانس پدید می آورد.
شکل‌های 4-11 تا 4-13 پاسخ فرکانسی دو ناحیه و تغییر توان خط انتقالی هنگامیکه مزرعه بادی DFIG پشتیبانی توان اکتیو بیشتری برای شبکه تأمین می کند را نمایش می‌دهد. همانطور که از شکل‌ها استنباط می‌شود با در نظر گرفتن پشتیبانی توان اکتیو بالاتری از سوی DFIG و مزرعه بادی، حضور موثرتر تولید بادی DFIG در کنترل فرکانس اولیّه نیز تضمین می‌شود (ضریب نفوذ تولید بادی 20% می باشد).
 
 
شکل 4- 9 تغییرات توان خروجی ژنراتور سنکرون ناحیه 1
 
شکل 4- 10  تغییرات توان خروجی ژنراتور سنکرون ناحیه 2
شکل 4- 11 تغییرات فرکانس ناحیه 1
 
شکل 4- 12 تغییرات فرکانس ناحیه 2
شکل 4- 13 تغییرات توان انتقالی بین ناحیه 1 و 2

4-3- مشارکت سیستم‌های خورشیدی در کنترل فرکانس سیستم قدرت

برای نشان دادن طرح پیشنهادی کنترلی، مدل سیستم دو ناحیه ای قدرت به کار رفته در بخش قبل مجدّداً استفاده می‌شود. ساختار پیشنهادی برای کنترل اولیّه فرکانس سیستم خورشیدی را می‌توان در سه بخش مدل کرد. ابتدا یک بهره ثابت که ثابت تنظیم دروپ می‌باشد، تغییرات فرکانس ناحیه را دریافت نموده و متناسب با ضریب تقویت سیگنال تغییرات فرکانس و ثابت دروپ  سیگنال کنترلی جدیدی که مشخّص کننده تغییرات رفرنس توان برای مشارکت در کنترل فرکانس است را به مبدل الکترونیک قدرت اعمال می‌کند. همانطور که ذکر شد، از آنجا که مبدل الکترونیک قدرت دینامیک نسبتاً سریعی دارد از دینامیک آن در مقابل باقی ادوات صرفنظر شده است. در ادامه تغییر توان مزرعه خورشیدی در ضریب نفوذ سیستم خورشیدی در شبکه ضرب شده تا از توان مبنای واحد سیستم خورشیدی به توان مبنای ناحیه، تبدیل گردد. در انتها این تغییر توان سیستم خورشیدی که در پی بروز تغییرات فرکانس در شبکه بوجود آمده بود، به شبکه تزریق می گردد.
گرچه با در نظر داشتن یک محدود کننده برای تغییر تولید سیستم خورشیدی می‌توان سقف تولید را در میزان  محدود کرد، اما در این مطالعه صرفاً بنا بر نشان دادن قابلیّت مشارکت مزرعه خورشیدی در کنترل فرکانس شبکه گذارده شده است. ضریب نفوذ تولید خورشیدی معادل 10% توان نامی و تنظیم دروپ سیستم خورشیدی  در نظر گرفته شده است. همچنین میزان تابش خورشید در حدی در نظر گرفته شده که تغییر بار اعمالی به سیستم و افت فرکانس ناشی از آن، منجر به اشباع شدن تولید خورشیدی نگردد.
با در نظر گرفتن سیستم کنترلی دروپ شکل (3-17) برای مزرعه خورشیدی شبیه سازی انجام گرفت. در این قسمت سیستم قدرت دو ناحیه ای حرارتی که در بخش قبل استفاده شده، در نظر گرفته شد. مزرعه خورشیدی در ناحیه دوم واقع شده و اغتشاشی باری معادل با 0.1 در مبنای واحد ناحیه به ناحیه 2 اعمال شده است. در نتیجه انحراف فرکانس در شبکه بوجود می‌آید. جهت از بین بردن این انحرافات، علاوه بر پشتیبانی فرکانسی که تولید متداول تأمین می‌کند، مزرعه خورشیدی نیز در کنترل اولیّه فرکانس شرکت دارد. سیستم کنترلی دروپ واحد خورشیدی تغییرات فرکانس را در اندازه گیری کرده و متناسب با تنظیم دروپ تغییر توان خروجی واحد را مشخّص می‌کند این سیگنال کنترلی که حاوی میزان تغییرات توان است، به الگوریتم تعیین سطح جدید رفرنس ولتاژ برای کارکرد مبدل الکترونیک قدرت اعمال می‌شود. در نتیجه متناسب با تغییر رفرنس ولتاژ، خروجی مزرعه خورشیدی تغییر می‌کند.
شکل‌های 4-14 الی 4-16 به ترتیب پاسخ فرکانسی ناحیه 1 و 2 و همچنین تغییرات توان انتقالی خط ارتباطی را در سه حالت نشان می‌دهد. حالت اول مربوط به زمانی است که در شبکه تولید خورشیدی وارد نشده و اغتشاش بار اعمال می‌شود (پاسخ پایه). حالت دوم زمانی است که تولید خورشیدی با ضریب نفوذ 10% در ناحیه دوم مشغول تولید توان می‌باشد. حالت سوم حالتی است که مزرعه خورشیدی پشتیبانی فرکانسی نیز برای شبکه به همراه دارد.
در پی بروز انحراف فرکانس سیستم گاورنر سرعت تولید متداول، خروجی ژنراتور سنکرون را تغییر می‌دهد. در شکل‌های 4-17 و 4-18 تغییرات ژنراتورهای واقع در ناحیه 1 و 2 در کنار الگوی بار در سه حالت بیان شده فوق نشان داده شده است.
 
 
شکل 4- 14 تغییرات فرکانس ناحیه 1 برای حالت‌های در نظر گرفته شده
 
شکل 4- 15تغییرات فرکانس ناحیه 2 برای حالت‌های در نظر گرفته شده
شکل 4- 16تغییرات توان انتقالی خطوط برای موارد در نظر گرفته شده
 
شکل 4- 17تغییرات توان خروجی ژنراتور سنکرون ناحیه 1
شکل 4- 18تغییرات توان خروجی ژنراتور سنکرون ناحیه 2
نتایج نشان می‌دهد که با به کار بردن سیستم کنترلی دروپ برای واحد خورشیدی ظرفیت جدیدی برای حضور مزارع خورشیدی در کنترل فرکانس شبکه فراهم شده است.

4-4- مشارکت همزمان تولید بادی DFIG و سیستم‌های خورشیدی در کنترل فرکانس سیستم قدرت

در این بخش شبیه سازی تاثیرات استفاده همزمان از تولیدات انرژی تجدیدپذیر در دو ناحیه مورد کنکاش قرار می‌گیرد. مزرعه بادی با ضریب نفوذ 20% در ناحیه 1 و مزرعه خورشیدی با ضریب نفوذ 10% در ناحیه دوم قرار دارند. برای نشان دادن قابلیّت کنترل فرکانس شبکه در حضور منابع انرژی تجدیدپذیر، وقوع افزایش بار پله ای معادل با 0.1 توان مبنا در هر دو ناحیه در ثانیه 5 شبیه سازی، در نظر گرفته شد.
نتایج حاصله کما فی السابق طی سه حالت بیان شده بررسی می شوند. در شکل‌های 4-19 تا 4-21 پاسخ فرکانسی ناحیه 1 و 2 و تغییر توان خط انتقالی نشان داده شده است. در پی تغییرات فرکانس در شبکه، مزرعه بادی DFIG و همچنین مزرعه خورشیدی در کنترل فرکانس شبکه شرکت دارند. در نتیجه بخشی از توان لازم برای برقرار مجدّد تعادل تولید و مصرف، توسط منابع تجدیدپذیر شبکه تأمین گشته شکل4-21 و از طرفی همانطور که شکل‌های 4-22 و 4-23 نشان می‌دهد، فشار مکانیکی وارده به توربین ژنراتورهای سنکرون برای جبرانسازی بار نیز کاهش بیشتری نسبت قبل نشان می‌دهد.
وقتی درخواست توان اکتیو اضافی معادل با 0.05 مبنای واحد (بر پایه توان مزرعه بادی) برقرار است به این معنی است که سقف مجاز برداشت از مزرعه بادی نهایتاً می‌تواند 0.05 مبنای واحد قرار گیرد. این میزان در ضریب نفوذ ناحیه ضریب شده و نهایتاً میزان توان اکتیوی که متناسب با کنترلر پیشنهادی به شبکه تزریق شده است را تعیین می‌کند. علاوه بر این متناسب با کنترل دروپی که برای مزرعه خورشیدی معیّن شده بود، توان خروجی سیستم خورشیدی نیز تغییر می‌نماید. این تغییرات توان منابع انرژی تجدیدپذیر هنگام جبرانسازی افزایش بار و مشارکت در کنترل فرکانس، در شکل4-24 نشان داده شده است.
 
 
 
 
شکل 4- 19تغییرات فرکانس ناحیه 1 برای حالت‌های در نظر گرفته شده
شکل 4- 20 تغییرات فرکانس ناحیه 2 برای حالت‌های در نظر گرفته شده
 
شکل 4- 21تغییرات توان انتقالی خط ارتباطی
شکل 4- 22تغییرات توان خروجی ژنراتور سنکرون ناحیه 1
 
شکل 4- 23تغییرات توان خروجی ژنراتور سنکرون ناحیه 2
شکل 4- 24 تغییرات توان خروجی منابع تجدیدپذیر با استفاده از برنامه‌های کنترلی پیشنهادی

4-5- استفاده از ذخیره‌ساز باتری در سیستم قدرت

همانطور که ذکر شد، با توجّه به نوسان توان و طبیعت غیر قابل پیش بینی تولید توان بادی بهره‌برداران شبکه ترجیح می دهند برای افزایش قابلیّت تنظیم فرکانس شبکه و جبران کسری تولید احتمالی و یا جذب توان، از ذخیره‌ساز‌ها در کنار تولید بادی جهت نرم کردن توان خروجی بادی استفاده کنند. در همین راستا اثر ورود واحد ذخیره‌ساز انرژی باتری BES به سیستم قدرت مورد بررسی قرار می‌گیرد. علاوه بر استفاده از BES چند حالت برای استفاده از باتری در شبکه با ضریب نفوذ مختلف تولید باد و خورشید در دو ناحیه مطرح می‌شود. با استفاده از تنظیمات هر حالت پاسخ شبکه ثبت و ضبط شده و با توجّه تابع هدف یا شایستگی مناسبی مورد سنجش قرار می گیرند. در اینجا تابع شایستگی می تواند سیگنال خطای متعارفی نظیر IAE، ITAE، ITSE و ISE انتخاب شود. تجربه نشان داده است برای کمینه کردن مقادیر خطا با کمترین دامنه در کم ترین زمان سیگنال خطای ITSE می تواند موفق تر ظاهر شود [69].
فرض برینست که ظرفیت ذخیره ساز در دسترس معادل با 0.1 توان مبنا باشد.این مقدار می تواند در کنار تولید بادی، خورشیدی و یا متناسب با ضریب نفوذ تولیدات تجدیدپذیر در دو ناحیه نصب شود. برای نشان دادن اثر افزایش ضریب نفوذ تولیدات تجدیدپذیر با استراتژی های کنترلی پیشنهادی بر پایداری فرکانسی شبکه ترکیبی نهایی، سناریوهای مورد بررسی قرار گرفتند و مقدار تابع برازندگی متناسب با آنها در جدول 4-1 محاسبه شده است:
جدول 4- 1سناریو‌های باتری در شبکه و مقدار شایستگی متناسب با ضریب نفوذ منابع و باتری

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

سناریو	ض. ن. تولید بادی	ض. ن. تولید خورشیدی	باتری تماماً در ناحیه تولید بادی	باتری تماماً در ناحیه تولید خورشیدی	تقسیم ظرفیت ذخیره ساز به نسبت ضریب نقوذ در دو ناحیه
1	0.1	0	0.315124
2	0.2	0	0.323752
3	0	0.1		0.292224
4	0	0.2		0.282575
5	0.1	0.1			0.276772
6	0.1	0.2			0.267122
7	0.2	0.1			0.285383
8	0.2	0.2			0.275714

 
جدول 4-1 نشان می دهد سناریو شماره 4 که در آن فقط تولید بادی در ناحیه 2 وجود دارد و تمام ظرفیت ذخیره‌ساز در همین ناحیه نصب شده باشد، دارای کمترین میزان سیگنال خطای  است. با توجه به ورود همزمان تولیدات بادی و خورشیدی به شبکه، سناریوی 6 نسبت به باقی حالات از پاسخ دینامیکی نسبتاً بهتری برخوردار است. با توجه به نتایج جدول 4-1 اینطور استنباط می شود با افزایش ضریب نفوذ بادی در حضور طرح کنترلی پیشنهادی پاسخ دینامیکی وضعیت نسبتا حاد تری پیدا می کند. این در حالیست که افزایش ضریب نفوذ خورشیدی و کنترل آن بوسیله سیستم دروپ نه تنها باعث کاهش ظرفیت تنظیم فرکانس نخواهد شد که موجب افزایش ظرفیت تنظیم فرکانس نیز شده است. با مقایسه سناریو های 5 و 8 نیز نتایج مشابهی به دست می آید.

4-6- بهینه‌سازی پاسخ دینامیکی شبکه

همانطور که عنوان شد، پس از بروز انحرافی در بار، برای آنکه فرکانس شبکه بدون داشتن انحراف ماندگاری به مقدار نامی خود بازگردد، حلقه کنترل فرکانس ثانویه می‌بایست با بهره‌هایی بهینه، پاسخگوی این نیاز باشند. به عبارت دیگر هدف در اینجا کم کردن تغییرات فرکانس و توان انتقالی خطوط در کمترین زمان ممکن است. علاوه بر این درین مرحله، میزان توان ذخیره ساز نصب شده در هر ناحیه و نیز ضریب نفوذ تولیدات بادی و خورشیدی جهت داشتن پاسخ دینامیکی بهتر وارد بهینه سازی می گردد. مطمئناً با داشتن خصوصیات فوق پاسخ شبکه نسبت به باقی حالات در نظر گرفته شده وضعیت بهتری خواهد داشت.
الگوریتم PSO نسبت به تنظیمات اولیّه حسّاس بوده و پس از چند بار اجرای برنامه مقادیر برای تنظیمات کنترلی الگوریتم انتخاب شد. این مقادیر در جدول-2 در بخش ضمیمه آمده است. با نوشتن کدهای لازم جهت انجام شبیه سازی در نرم افزار Matlab/Simulink r20103a و مرتبط ساختن فایل سیمولینک به بخش محاسباتی الگوریتم شبیه سازی صورت می پذیرد. لازم به ذکر است که مجموع توان ذخیره ساز در دو ناحیه با توجه به مقدار تعیین شده 0.1 توان مبنا فرض می گردد. برای بهینه سازی، سیگنال کنترلی جدیدی ارایه شده که متناسب با قیود حاکم در آن پاسخ بهینه سازی به فرم مطلوب تر همگرا گردد. بدین صورت می توان مدلسازی حل مسئله را به فرم زیر میتوان بیان کرد:

 

4-1

به صورتی که

 

 

 

	4-2
	4-3
	4-4

در تابع هدف جدید جهت از بین بردن انحراف فرکانسی، حفظ کمترین مقدار فراجهش و فروجهش و در عین حال داشتن کوتاه ترین زمان ممکن برای رساندن انحرافات ماندگار به مقدار 0، مبنای بهینه سازی قرار گرفته است. پس از چند بار سعی و خطا مقادیر مطلوبی برای داشتن پاسخی مطلوب تر بدست آمد. در معادله (4-1) مقدار  برابر با 20 ،  برابر با 0.01 و  برابر با 0.001 در نظر گرفته شده است. معیار تعیین زمان نشست حاشیه 0.02% فرض می شود. با توجه به نکات بیان شده بهینه سازی صورت گرفت و نتایج حاصله در شکل های 4-25 الی4-29 نشان داده می شود. در این نمودارها دو سناریو مطرح شد. در سناریو ی اول بهره انتگرال گیر ها به همراه حجم ذخیره ساز در هر ناحیه بهینه شد. در سناریوی دوم که در واقع همان مدل پایه شبکه می باشد از هیچیک از منابع انرژی تجدیدپذیر و ذخیره سازی در شبکه استفاده نشده و بهره ها همان میزان 0.2 سابق را دارند. جدول 4-2 مقادیر بهینه شده شاخص های انتخابی را نشان می دهد.

 

 

 

 

 

 

 

 

 

 

 

 

پارامتر
مقدار	0.358572	0.390833	0.167477	0.1747	0.0418608	0.0581392

جدول 4- 2 مقادیر بهینه شده توسط الگوریتم PSO
 
 
 
شکل 4- 25 مقایسه انحراف فرکانس ناحیه 1 در حضور مقادیر بهینه باتری و ثات انتگرال گیر ناحیه
شکل 4- 26  مقایسه انحراف فرکانس ناحیه 2 در حضور مقادیر بهینه باتری و ثابت انتگرال گیر ناحیه
 
شکل 4- 27  مقایسه تغییرات توان انتقالی خط واسط در حضور مقادیر بهینه در دو ناحیه
شکل 4- 28 تغییرات توان خروجی ژنراتور سنکرون ناحیه 1
 
شکل 4- 29 تغییرات توان خروجی ژنراتور سنکرون ناحیه 2

4-7- جمع بندی

با توجه به نتایج نشان داده شده در این فصل، می توان با اطمینان خاطر بیان کرد که با اعمال برنامه های کنترلی مناسب بر تولیدات انرژی تجدیدپذیر خورشیدی و بادی، حضور آنها در شبکه لزوماً به معنای کاهش توانایی کنترل فرکانس سیستم نبوده و حتی می توان با استفاده از سیستم های ذخیره ساز انرژی ثبات و محدوده پایداری فرکانسی سیستم را تقویت بخشید.
 
 
 
 
 
 
 
 

 

 

 

 

فصل پنجم: نتیجه گیری و ارائه پیشنهادهای ممکن

 
 
 
 
 
 
 
 
 
 
 

5-1- نتیجه گیری

در پایان‌نامه حاضر، تاثیرات استفاده از منابع انرژی تجدیدپذیر نظیر تولیدات بادی و خورشیدی در شبکه قدرت مورد بررسی قرار گرفت. همانطور که ذکر شد، شبکه قدرت مشمول تغییراتی کلی در بدنه و ساختار خود است. این تغییرات را می توان منبعث از ظهور انواع جدید ادوات تولید توان، تکنولوژی‌های جدید، حجم رو به افزایش منابع انرژی تجدیدپذیر دانست. نیاز روزافزون به انرژی الکتریکی در کنار ذخیره محدود سوخت فسیلی و نگرانی روبه گسترش مشکلات زیست‌محیطی ناشی از مصرف سوخت فسیلی، ضرورت استفاده از منابع انرژی تجدیدپذیر نظیر باد و خورشید و ورود آنها را به شبکه قدرت بیش از پیش پررنگ تر می‌نماید. با ظهور منابع انرژی تجدیدپذیر نظیر انرژی باد و خورشید، بررسی تاثیرات استفاده از این منابع در بهره‌برداری و کنترل شبکه قدرت از اهمیت زیادی برخوردار می‌گردد.
 از اینرو، تاثیرات ژنراتور دو سوء تغذیه به عنوان مدلی متداول از تولید بادی در کنترل فرکانس سیستم قدرت مورد بررسی قرار گرفت. قابلیّت پشتیبانی توان اکتیو کوتاه مدّت از طریق جذب انرژی جنبشی پره‌های توربین، به عنوان ظرفیتی جهت شرکت تولید بادی DFIG در کنترل اولیّه فرکانس دیده شد. کنترلر جدیدی برای مشارکت توربین بادی در کنترل یار فرکانس پیشنهاد شد. تابع پشتیبانی فرکانسی تولید بادی در قبال تغییرات فرکانس سیستم، توانی متناسب با تغییرات فرکانس و نرخ تغییرات فرکانس برای تزریق به شبکه فراهم کرده و لختی پنهان توربین‌های بادی را به صورت موقّت  آشکار می سازد. بدین طریق توربین های بادی DFIG در کنترل اولیّه فرکانس شرکت داده شدند.
همچنین استراتژی جدیدی برای مشارکت مزرعه خورشیدی در کنترل فرکانس سیستم دو ناحیه ای قدرت، از طریق حبس تولید تشریح شد. سیستم‌های خورشیدی بوسیله برنامه کنترلی پیشنهادی توانستند در حالت کنترل دروپ فعّالیت کرده و مشابه ژنراتورهای سنکرون پشتیبانی اولیّه فرکانس را برای سیستم قدرت تأمین نمایند.
نتایج شبیه سازی نشان داد که علاوه بر حضور موفق تولید بادی DFIG و تولید خورشیدی در کنترل فرکانس، تنش مکانیکی وارده بر توربین ژنراتورهای سنکرون در تولید متداول نیز کاهش می‌یابد.
جهت افزایش قابلیت پشتیبانی فرکانس تامین ظرفیت رزرو برای جبران کسری تولید، از ذخیره ساز باتری استفاده شد. با ترکیب همزمان استراتژی‌های کنترلی مزرعه خورشیدی و بادی در کنار استفاده از ذخیره‌ساز باتری، پاسخ دینامیکی شبکه به اغتشاش بار در دو ناحیه سیستم قدرت، مورد بهینه‌سازی قرار گرفته و با داشتن پارامتر های بهینه در شبکه، نتایج شبیه سازی تاثیر مثبت و سازنده طرح‌های کنترلی به کار رفته در کنترل فرکانس را در قیاس با پاسخ پایه شبکه، به خوبی نشان داد.

5-2- پیشنهادات

در ادامه کار حاضر و با نگاهی به سابقه تحقیق مذکور می توان پیشنهاداتی را ارائه داد:

• اطلّاعات واقعی بادی و خورشیدی جهت استفاده در محاسبات وارد شوند. الگوی بار واقعی به عنوان اغتشاشات وارده به شبکه، مبنای کار قرار گیرند.
• با توجه به این اطلاعات و هم چنین عنایت به این واقعیت که بهره برداری از سیستم خورشیدی می بایست توجیه اقتصادی به همراه داشته باشد، می‌بایست نقطه کاری مناسب برای بهره برداری اقتصادی از سیستم خورشیدی پیشنهاد شود.
• باید توجّه داشت که با به اشباع رفتن تولید خورشیدی قابلیت تنظیم فرکانس آن نیز از بین خواهد رفت. در امتداد این مسیر می توان در مواقعی که تغییرات شدیدی در تابش خورشید ایجاد می شود و یا فرکانس شبکه شدیداً افت می کند طرح های کنترلی را به طرح هایی نظیر آنتی وایندآپ مجهز نمود.
• در کنار این واقع نگری ها توجه به میزان شارژ باقیمانده در ذخیره‌ساز به عنوان حالت شارژ نیز می تواند در محاسبات وارد نمود.

 
 
 
 

 

 

ضمائم

 
جدول  1مشخصات نامی سیستم قدرت مورد مطالعه

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ناحیه2	ناحیه1	مقادیر نامی
60	60	فرکانس نامی (هرتز)
500	500	توان نامی (مگاوات)
5	5
1	1
0.2	0.2	ثابت زمانی گاورنر (ثانیه)
0.3	0.3	ثابت زمانی توربین(ثانیه)
7	7	ثابت زمانی بازگرمکن(ثانیه)
0.3	0.3
0.05	0.05	مشخصه تنظیم گاورنر
10	10	ضریب بایاس ناحیه
0.0856	0.0856	ضریب همگام ساز خط انتقالی
-1	_	نسبت توان نامی دو ناحیه

 
جدول 2 پارامترهای به کار رفته در الگوریتم PSO

 

 

 

 

 

 

 

 

پارامتر	مقدار
تعداد متغیّر مسأله	6
تعداد ذرّات	10
بیشینه تکرار	50
وزن لختی	.1
	2
	2

 
 

منابع و مراجع

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[1]	کراری, دینامیک و کنترل سیستم های قدرت, تهران: انتشارات دانشگاه صنعتی امیر کبیر, 1389.
[2]	p. kundor, power system stability and control, new york: McGraw-Hill, 2006.
[3]	H. Outhred, “Meeting the challenges of integrating renewable energy into competitive electricity industries,” 2007. [Online]. Available: http://www.reilproject.org/documents/GridIntegrationFINAL.pdf.
[4]	D. o. T. a. Industry, “The energy challenge energy review report,” Department of Trade and Industry, 2006.
[5]	EWIS., “Towards a successful integration of wind power into European electricity grids,” 2007. [Online]. Available: http://www.ornl.gov/~webworks/cppr/y2001/rpt/122302.pdf.
[6]	A. Resources, “AWEA Resources,” 2008. [Online]. Available: http://www.awea.org.
[7]	H. Xin, Z. Qu, J. Seuss and A. Maknouninejad, “A self-organizing strategy for power flow control of photovoltaic generators in a distributionnetwork,” IEEE Trans. Power Syst , vol. 26, no. 3, p. 1462–1473, 2011.
[8]	G. Masson, M. Latour and D. Biancardi, “European Photovoltaic Industry Association,” May 2012. [Online]. Available: http://www.epia.org/.
[9]	S. Ahmed and M.Mohsin, “Analytical determination of the control parameters for a large photovoltaic generator embedded in a grid system,” IEEE Trans. Sustain. Energy, vol. 2, no. 2, p. 122–130, Apr. 2011.
[10]	2008. [Online]. Available: http://www.iea-pvps.org/.
[11]	M. Yamamoto, “National survey report of PV power applications in Japan 2009,” 2010. [Online]. Available: http://www.iea-pvps.org/countries/download/nsr09/NSR_2009_Japan_100620.pdf.
[12]	Samsung, “Samsung C&T, Korea Electric Power Company to Build World’s Largest Wind, Solar Panel Cluster in Ontario,” jan 2010. [Online]. Available: http://www.samsung.com/ca/news/newsRead.do?news_seq=17081&page=1.
[13]	“The Global Wind Energy Council,” 2008. [Online]. Available: http://www.gwec.net/.
[14]	T. Esram and P. Chapman, “Comparison of photovoltaic array maximum power point tracking techniques,” IEEE Trans. Energy Convers, p. 439–449, 2007.
[15]	Y. Tan and D. Kirschen, “Impact on the power system of a large penetration of photovoltaic generation,” Proc. IEEE Power Eng. Soc. Gen. Meeting, p. 1–8, 2007.
[16]	Y. T. Tan, “A model of PV generation suitable for stability analysis,” IEEE Trans. Energy Convers, vol. 19, no. 4, p. 748–755, 2004.
[17]	W. A. Omran, “Investigation of Methods for Reduction of Power Fluctuations Generated From Large Grid-Connected Photovoltaic Systems,” IEEE Transactions On Energy Conversion, vol. 26, no. 1, 2011.
[18]	N. Kakimoto, “Power Modulation of Photovoltaic Generator for Frequency Control of Power System,” IEEE Transactions On Energy Conversion, vol. 24, no. 4, 2009.
[19]	C. A. Hill, “Battery Energy Storage for Enabling Integration of Distributed Solar Power Generation,” IEEE Transactions On Smart Grid, vol. 3, no. 2, 2012.
[20]	R. Tonkoski, “Active power curtailment of PV inverters in diesel hybrid mini-grids,” in Proc. IEEE Electr. Power Energy Conf, 2009.
[21]	M. Datta, “A frequency- control approach by photovoltaic generator in a PV-Diesel hybrid power system,” IEEE Trans. Energy Convers, vol. 26, no. 2, p. 559–571, 2011.
[22]	J.-S. Park, “Operation control of photovoltaic/diesel hybrid generating system considering fluctuation of solar radiation,” Solar Energy Mater. Solar Cells, vol. 67, no. 1-4, p. 535–542, 2001.
[23]	A. Jossen, “Operation conditions of batteries in PV applications,” Solar Energy, vol. 76, no. 6, p. 759–769, 2004.
[24]	J. N. Ross, “Modelling battery charge regulation for a stand-alone photovoltaic system,” Solar Energy, vol. 69, no. 3, p. 181–190, 2000.
[25]	S. M. Shaahid, “Economic analysis of hybrid photovoltaic-diesel-battery power systems for residential loads in hot regions: A step to clean future,” Renewable Sustainable Energy, vol. 12, p. 488–503, 2008.
[26]	M. Bayoumy, “New techniques for battery charger and SOC estimation in photovoltaic hybrid power systems,” Solar Energy Mater. Solar Cells, vol. 35, no. 11, p. 509– 514, 1994.
[27]	B. K. Bala, “Optimal design of a PV-diesel hybrid system for electrification of an isolated island: Sandwip in Bangladesh using genetic algorithm,” Energy Sustainable , vol. 13, p. 137–142, 2009.
[28]	X. Li, “Battery Energy Storage Station (BESS)-Based Smoothing Control of Photovoltaic (PV) and Wind Power Generation Fluctuations,” IEEE Transactions on Sustainable Energy, vol. 4, no. 2, pp. 464-73, April 2013.
[29]	H. Xin, “A New Frequency Regulation Strategy for Photovoltaic Systems Without Energy Storage,” IEEE Transactions On Sustainable Energy, vol. 4, no. 4, 2013.
[30]	S. Aditya and D. Das, “Battery energy storage for load frequency control of an interconnected power system,” Electric Power Systems Research, vol. 58, p. 179–185, 2001.
[31]	J. Jenkins, “Comparison of the response of doubly fed and fixedspeed induction generator wind turbines to changes in network frequency,” IEEE Trans Energy Convers, 2004.
[32]	A. O’Malley, “The inertial response of induction machine based wind turbines,” IEEE Trans Power system, 2005.
[33]	O. Hughes, “Contribution of DFIG-based wind farms to power system short-term frequency regulation,” Strbac GProc Inst Elect Eng، Gen Transm، Distrib., vol. 135, no. 2, 2006.
[34]	J. d. H. SWH, “Wind turbines emulating inertia and supporting primary frequency control,” IEEE Trans Power Syst, vol. 21, no. 1, 2006.
[35]	N. R. Ullah, “Temporary primary frequency control support by variable speed wind turbines: Potential and applications,” IEEE Trans. Power Syst, vol. 23, no. 2, p. 601–12, 2008.
[36]	P. Bhatt, “Dynamic participation of doubly fed induction generator in automatic generation control,” Renewable Energy, vol. 36, 2011.
[37]	H. Bevrani, Robust power system frequency control, New York: Springer, 2009.
[38]	H. Banakar, “Impacts of wind power minute to minute variation on power system,” IEEE Trans. Power Syst., vol. 23, no. 1, p. 150–60, 2008.
[39]	G. Lalor, “Frequency control and wind turbine technology,” IEEE Trans. Power Syst., vol. 20, no. 4, p. 1905–13, 2005.
[40]	J. Morren, S. W. H. d. Haan and W. L. Kling, “Wind turbine emulating inertia and supporting primary frequency control,” IEEE Trans. Power Syst, p. 433–34, 2006.
[41]	C. Luo, H. G. Far and H. Banakar, “Estimation of wind penetration as limited by frequency deviation,” IEEE Trans. Energy Conversion, vol. 22, no. 2, p. 783–91, 2007.
[42]	P. Rosas, “Dynamic influences of wind power on the power system.,” Technical University of Denmark. PhD dissertation، , 2003.
[43]	P. R. Daneshmand, “Power system frequency control in the presence of wind turbines,” Department of Computer and Electrical Engineering، University of Kurdistan. , Master’s thesis, 2010.
[44]	J. L. R. Amenedo, S. Arnalte and J. C. Burgos, “Automatic generation control of a wind farm with variable speed wind turbines.,” IEEE Trans. Energy Conversion, vol. 17, no. 2, p. 279–84, 2002.
[45]	R. Doherty, H. Outhred and M. O’Malley, “Establishing the role that wind generation may have in future generation portfolios,” IEEE Trans. Power Syst., vol. 21, p. 1415–22, 2006.
[46]	H. Holttinen, “Impact of hourly wind power variation on the system operation in the Nordic countries,” Wind Energy, vol. 8, no. 2, p. 197–218, 2005.
[47]	A. Mullane and M.O’Malley, “The inertial response of induction machine based wind turbines,” IEEE Trans. Power. Syst., p. 1496–1503, 2005.
[48]	J. Ekanayake and N. Jenkins, “Comparison of the response of doubly fed and fixed-speed induction generator wind turbines to changes in network frequency,” IEEE Trans. Energy Convers., p. 800–802, 2004.
[49]	G. Lalor, A. Mullane and a. M. O’Malley, “Frequency control and wind turbine technologies,” IEEE Trans. Power. Syst., p. 1905–1913, 2005.
[50]	F. M. H. N. J. a. G. S. O. Anaya-Lara, “Contribution of DFIG-based wind farms to power system short-term frequency regulation,” Proc. Inst. Elect. Eng., Gen., Transm., Distrib, p. 164–170, 2006.
[51]	S. W. H. d. H. W. L. K. a. J. A. F. J. Morren, “Wind turbines emulating inertia and supporting primary frequency control,” IEEE Trans. Power. Syst., p. 433–434, 2006.
[52]	F. V. Hulle, “Large Scale Integration of Wind Energy in the European Power Supply: Analysis, Issues and Recommendations, European Wind Energy Association (EWEA),” Tech. Rep, 2005.
[53]	J. J. S.-G. W. W. P. a. R. W. D. N. W. Miller, “Dynamic modeling of GE1.5 and 3.6M Wwind turbine-generators for stability simulations,” IEEE Power Eng. Soc. General Meeting, p. 1977–1983, 2003.
[54]	W. W. P. a. J. J. S.-G. N. W. Miller, “Dynamic Modeling of GE 1.5 and 3.6Wind Turbine-Generators,” GE—Power System Energy Consulting, 2003.
[55]	E. D. A. Spera, Wind Turbine Technology, NewYork: ASME, 1994..
[56]	V. Akhmatov, “Analysis of dynamic behaviour of electric power systems with large amount of wind power,” Ph.D. dissertation Tech. Univ. Denmark,, 2003.
[57]	M. L. Chan, “Dynamic Equivalents for Average System Frequency Behavior Following Major Disturbances,” IEEE Trans Power App Syst, pp. 1637-42, 1971.
[58]	M. Datta, “A Frequency-Control Approach by Photovoltaic Generator in a PV–Diesel Hybrid Power System,” IEEE Transactions on Energy Conversion, vol. 26, no. 2, pp. 559-7, 2011.
[59]	E. Cate, K. Hemmaplardh, J. Manke and a. D. Gelopulos, “Time frame notion and time response of themodels in transient, mid-term and longterm stability programs,” IEEE Trans. Power App. Syst , vol. 103, no. 1, p. 143–151, 1984.
[60]	P. Li, B. François, P. Degobert and B. Robyns, “Power control strategy of a photovoltaic power plant for microgrid applications,” in ISES World Congr, 1611–1616.
[61]	Y. Liu, K. Ying, Z. Lu, H. Xin and D. Gan, “A Newton quqdratic interpolation based control strategy for photovoltaic system,” in Int. Conf. Sustainable Power Gener. Supply, 2012 .
[62]	E. Cate, K. Hemmaplardh, J. Manke and D. Gelopulos, “Time frame notion and time response of themodels in transient, mid-term and longterm stability programs,” IEEE Trans. Power App. Syst., vol. 103, no. 1, p. 143–151, 1984.
[63]	S. Tarbouriech and M. Turner, “Anti-windup design: An overview of some recent advances and open problems,” IET Control Theory Appl, vol. 3, no. 1, p. 1–19, 2009.
[64]	D. Kottick, M. Blau and D. Edelstein, “Battery Energy Storage for Frequency Regulation,” IEEE Transactions on Energy Conversion, vol. 8, no. 3, September 1993.
[65]	S. Aditya and D. Das, “Battery energy storage for load frequency control of an interconnected power system,” Electric Power Systems Research, vol. 58 , p. 179–185, 2001.
[66]	H. Kunisch, K. Kramer and H. Dominik, “Battery energy storage, another option for load frequency control and instantaneous reserve,,” IEEE Trans. Energy Conversions, p. 41–46, 1986.
[67]	W. V. KleinSmid, “Chino battery, an operations and maintenance update,,” in Third International Conference on Batteries for Utility Energy Storage, Kobe, Japan, 1991.
[68]	K. J and E. RC, “Particle swarm optimization,” in Proceedings of IEEE international conference on neural networks, Perth, Australia, 1995.
[69]	K. Ogatta, Modern control engineering, New York: USA: Prentice Hall.

 
 
 
 
 
 
 
 
 
 
 

 

Abstract
The main task of any power system is to generate high quality power to supply demand’s load. Any frequency deviation more than permissible value causes damage to components, overloading tie lines, deficits and deficiencies of relays and in worst case may lead power system to collapse. The important goal of Load Frequency Control (LFC) is to eliminate frequency deviations as quick as possible. Meanwhile reducing tie line’s power deviations and returning tie line’s power to scheduled values is important too. These two are the main tasks of Automatic Generation Control (AGC).
Today power system is experiencing structural changes. Not because of deregulating Environment and competitive policies but also because of new power generating units with new frameworks, technologies and increasing penetration levels of Renewable Energy Resources (RERs). Increasing growth of demand’s load beside of ceasing reserves of oil and global warming issues are made RERs a desirable option. By integrations of RERs into power system, aside economical point of view, load frequency control of power system will play more important role in maintaining the quality of such a system.
Hence, in other to increase petrification of RERs in frequency support, new control strategies are needed. In this thesis at first, the impacts of integration of RERs in power system are studied. And then new strategies has been proposed to participate RERs in load frequency control and to improve frequency regulation’s capability of power system in presence of RERs.
 
Keywords: Automatic Generation Control (AGC), Renewable Energy Resources (RERs), Photovoltaic Generation, Wind Generation, Energy Storage Systems (ESS).
 
 
 
 
 
 
 
 
 
 
 

 

Mazandaran University of Science and Technology
Faculty of Electrical Engineering
 
Thesis for master’s degree in power engineering
 
 
Automatic generation control of power system in presence of Renewable Energy Resources (RERs)
 
 
By:
Behzad Moradi
 
Supervisor:
Dr. Abdolreza Sheikholeslami
 
Advisor:
Roya Ahmadi
 
 
2014
Maximum Power Point Tracking
Robustness
Torque Set-point
Superconductive Magnetic Energy Storage
Inertia
Modal
Anti-Windup
State of Charge
State of Charge
 
 

استثنائا” این فایل

 

متن کامل موجود نداریم