Noticias

Aug 29, 2023

Tipo de intervalo sintonizado PSO

Informes científicos volumen 13,

Scientific Reports volumen 13, Número de artículo: 8724 (2023) Citar este artículo

169 Accesos

Detalles de métricas

Hoy en día, la mayoría de los sistemas de energía modernos integran plantas de energía de recursos energéticos renovables concentrados, como parques solares y eólicos, además de plantas centrales convencionales. La potencia de salida de estos recursos de energía renovable concentrados varía continuamente según las condiciones climáticas, como el valor de la radiación solar o la velocidad y dirección del viento, la variación de su potencia de salida puede ser en megavatios. En este trabajo, se ha propuesto un controlador de frecuencia de carga secundaria robusto (LFC) basado en una técnica de inteligencia artificial que se denomina controlador de lógica difusa tipo 2 de intervalo (IT2FLC) para un sistema de energía interconectado de múltiples fuentes de dos áreas con centrales eléctricas de parques solares. en cada área considerando las no linealidades en el sistema eléctrico. IT2FLC se ha adaptado a la vaguedad, las distorsiones y la imprecisión de las señales de entrada del sistema de energía causadas por las fluctuaciones climáticas y las no linealidades del sistema. Además de LFC, se ha propuesto otro controlador basado también en IT2FLC para controlar la potencia de salida de los parques solares centrales en cada área de generación durante los períodos nublados en lugar del método de seguimiento del punto de máxima potencia (MPPT) para mejorar la estabilidad del sistema de potencia durante períodos de perturbación. Con el fin de mejorar el rendimiento del LFC propuesto, se ha utilizado la técnica de optimización de enjambre de partículas (PSO) para optimizar las ganancias LFC propuestas y minimizar el error de estado estacionario, el valor de disparo excesivo/insuficiente, el tiempo de establecimiento y la oscilación del sistema para el sistema de potencia investigado. frecuencia. El rendimiento y la superioridad del IT2FLC sintonizado con PSO propuesto se evalúan y comparan con otro LFC basado en un controlador PID en cascada sintonizado con PSO mientras se aplican cambios severos de carga de demanda e irradiación solar. la simulación se ha realizado mediante el programa matlab/simulink.

La mayoría de las redes inteligentes recientes utilizan recursos de energía renovable a gran escala, como plantas de energía fotovoltaica a escala de servicios públicos, que también se conocen como parques solares. Estos parques solares están centralizados y suministran energía a nivel de servicios públicos en varios megavatios1,2 en contraste con los edificios de generación distribuida montados en la azotea. Paneles fotovoltaicos que producen energía a pequeña escala en el nivel de demanda y de tamaño limitado3,4. La energía producida a partir de parques solares se caracteriza por una gran potencia de salida pero también por una energía dependiente de la radiación solar que varía considerablemente durante los períodos nublados o las fluctuaciones climáticas5,6.

Por otro lado, en el lado de la demanda, se han incrementado las cargas de gran demanda de las redes inteligentes, como las estaciones de carga de vehículos eléctricos (EV) públicos, que representan casi el 5% de la carga de demanda total de los Estados Unidos7. Las cargas de estas estaciones de carga de vehículos eléctricos se caracterizan por ser una carga de demanda grande, variable e impredecible8.

De todos los problemas de redes inteligentes antes mencionados, tanto en el lado de la utilidad como en el de la demanda, la frecuencia del sistema de energía en las redes inteligentes se ve perturbada por cambios severos en el nivel de energía generada por la utilidad debido a la integración de parques solares, así como cambios severos en la carga de la demanda debido al aumento del número de Estaciones de carga para vehículos eléctricos.

Se han llevado a cabo varios estudios con el fin de proponer un controlador de frecuencia de carga robusto para sistemas de potencia interconectados. Estos estudios han propuesto controladores clásicos como PI, PID y controladores PID en cascada, pero otros estudios han propuesto controladores modernos basados ​​en técnicas de inteligencia artificial como sistemas de lógica difusa y redes neuronales para reemplazar completamente el método de controladores clásicos, mientras que otros han propuesto controladores híbridos que combinan clásicos y modernos. métodos de controlador como controladores adaptativos programados de ganancia, PI difuso y controladores PID difusos. En 9, el controlador PID sintonizado con PSO se ha aplicado como controlador de frecuencia para un sistema de potencia interconectado de dos áreas donde el controlador propuesto ha logrado un pico de sobreimpulso menor y un tiempo de estabilización en comparación con los controladores PI y PID convencionales para diferentes escenarios de cambios en la demanda de carga. En 10, se ha propuesto un controlador 2DOF-PID sintonizado con el algoritmo firefly (FA) como controlador de frecuencia de carga para un sistema de potencia de dos áreas donde se ha llevado a cabo la simulación de dos escenarios diferentes de cambio de carga de demanda en cada área generadora para demostrar la superioridad de el controlador propuesto sobre el controlador PID sintonizado FA. Se ha propuesto un enfoque novedoso en 11 mediante la adición de una ganancia proporcional para la retroalimentación interna del controlador PID que llama al controlador PID-P LFC para un sistema de alimentación de múltiples fuentes de dos áreas, mientras que las ganancias del controlador propuesto se han optimizado utilizando la técnica PSO, Se ha investigado la superioridad del controlador propuesto en comparación con otros controladores como el controlador PID sintonizado con algoritmo genético (GA) y el controlador 2DOF-PID. En 12, las ganancias de PID se ajustaron utilizando el algoritmo de optimización caótica (LCOA) basado en mapas lozi para una nueva función objetivo propuesta, se llevó a cabo un estudio comparativo entre el controlador propuesto y otras técnicas para optimizar el controlador PID como GA, PSO y recocido simulado. (SA) donde la técnica propuesta ha proporcionado un mejor rendimiento que otras técnicas. El controlador de lógica difusa tipo 1 (T1FLC) se ha propuesto en 13 como LFC principal para el sistema de energía de dos áreas que integra la planta de energía del parque solar y la batería de reducción de flujo de oxidación (RFB) como fuente de energía activa rápida durante la perturbación, el controlador propuesto ha logrado un mejor rendimiento en comparación con el controlador PID durante la carga de demanda severa y los cambios de irradiancia solar. En 14, se ha propuesto que T1FLC actúe como LFC para un sistema de energía de dos áreas con controlador de flujo de energía interlínea (IPFC), mientras que las ganancias para el controlador propuesto han sido controladas por el controlador PI, el controlador propuesto y el IPFC han contribuido a mejorar la la estabilidad del sistema de potencia y la reducción de la oscilación del sistema. El algoritmo de optimización Whale (WOA) ajustado IT2FLC se ha propuesto en15 para un sistema de potencia de dos áreas con un desfasador controlado por tiristores (TCPS) en la línea de enlace como controlador de flujo de potencia, el controlador propuesto ha mejorado el rendimiento dinámico del sistema de potencia en comparación con T1FLC porque IT2FLC ha manejado la incertidumbre en la señal de retroalimentación. En 16, se ha propuesto el algoritmo de colonia de abejas artificiales ajustado T1FLC para controlar la potencia activa de reserva de la turbina eólica durante los cambios de carga de demanda en el sistema de energía de micro red donde la potencia activa de reserva es la diferencia entre la potencia de salida máxima de la turbina eólica y la potencia de salida. potencia de la turbina cargada mientras que el controlador propuesto ha mejorado el rendimiento dinámico para la velocidad del rotor de la turbina, el comportamiento del ángulo de inclinación y la frecuencia general del sistema de microrredes. Se ha propuesto IT1FLC adaptativo óptimo en 17 para controlar la potencia de salida descargada del panel fotovoltaico en el sistema de energía de micro red durante perturbaciones de carga de demanda severa mientras que la robustez del controlador propuesto se ha investigado contra las incertidumbres de los parámetros del sistema de energía, el controlador propuesto ha mejorado significativamente la respuesta de frecuencia al disminuir la desviación de frecuencia, así como el tiempo de estabilización del sistema.

Con el fin de estabilizar la frecuencia del sistema de energía debido a las perturbaciones generadas en el lado de la red o del suministro, se utilizará un controlador de frecuencia de carga robusto en el sistema de energía para controlar la generación de plantas de energía convencionales, así como para controlar la potencia de salida de los recursos de energía renovable. Este controlador deberá lograr lo siguiente:

Regula la potencia de salida generada a partir de centrales eléctricas convencionales centrales, como estaciones térmicas, hidroeléctricas y de gas, al tiempo que considera las no linealidades en su modelo, como la restricción de la tasa de generación (GRC) y la banda muerta de los gobernadores (GDB).

Conservar los niveles de desviación de frecuencia dentro de los límites de rendimiento estándar (CSP) del controlador18.

Mantener la potencia de intercambio (tie line power) entre áreas generadoras dentro de los valores preprogramados.

Controlar la potencia de salida del parque solar en cada zona de generación durante los periodos nubosos con el fin de estabilizar el sistema eléctrico durante estos periodos.

Mantiene la estabilidad del sistema de energía frente a cambios severos en la carga de la demanda, como la demanda de las estaciones de carga de EV o cortes de energía de grandes cargas de demanda debido a fallas en las líneas de transmisión.

La mayoría de los controladores clásicos como (PI, PID o PID en cascada) no pueden manejar los problemas de frecuencia del sistema en los sistemas de potencia modernos sin un ajuste adaptativo continuo para sus ganancias debido a varias razones, como la imprecisión de las señales de entrada del controlador en los sistemas de potencia modernos, las incertidumbres de los parámetros del sistema de potencia y la falta de precisión. -linealidades en estos sistemas de potencia como GRC y GDB.

En este trabajo, se ha propuesto IT2FLC como LFC para un sistema de energía interconectado de dos áreas sin controlador de flujo de energía en la línea de interconexión, como se muestra en la Fig. 1, mientras que se ha propuesto otro IT2FLC para controlar la energía de salida de la estación del parque solar durante los períodos de perturbación nublados. IT2FLC es una de las técnicas de inteligencia artificial que se pueden utilizar como sistemas de energía LFC. Hay muchas razones que hacen que IT2FLC sea superior a los controladores clásicos, como:

Es un controlador robusto donde la precisión de las entradas no es necesaria15.

En general, los sistemas de lógica difusa son capaces de resolver problemas complejos porque se asemejan al pensamiento humano13.

IT2FLC puede manejar incertidumbres y distorsiones en las señales de entrada mejor que T1FLC19.

Flexibilidad y simplicidad para modificar la estructura y el rendimiento del controlador agregando o eliminando la base de reglas20.

Sistema de energía investigado de múltiples fuentes de dos áreas.

Como una de las mejores técnicas de optimización que se ha utilizado con problemas de LFC11,13,15, PSO se ha propuesto en este trabajo para optimizar las ganancias de IT2FLC con el fin de mejorar el rendimiento del controlador propuesto. PSO es una técnica metaheurística inspirada en el movimiento de enjambres como pájaros o cardúmenes de peces mientras buscan comida21. Esta técnica optimiza la solución de un problema asumiendo un cierto número de soluciones candidatas a las que también se les llama partículas, estas partículas se mueven de acuerdo a una función matemática alrededor del espacio de búsqueda mientras cada partícula cambia su posición y velocidad hacia el mejor enjambre o posición global para cada iteración. de buscar22. Para espacios de búsqueda de pequeña dimensión, como la optimización de las ganancias del controlador propuesto en este trabajo, PSO tiene la ventaja sobre otras técnicas de optimización metaheurística como GA, WOA o GWO, donde converge rápidamente hacia la mejor solución global mientras ajusta una pequeña cantidad de parámetros23 .

Se investigará la superioridad del controlador propuesto en comparación con el rendimiento del controlador PID-P sintonizado con PSO propuesto en 11 para el mismo sistema de energía investigado que se muestra en la Fig. 1 mientras se aplican cambios severos para la carga de demanda y los niveles de radiación solar. La mejora del rendimiento del controlador propuesta debido a la adición de una fuente de energía activa rápida como RFB se investigará en la sección de simulación en comparación con el rendimiento del sistema sin estabilizador de frecuencia.

El sistema de energía multifuente de dos áreas investigado se introdujo en 11,13,15. El sistema de potencia tiene dos áreas generadoras, cada área de generación tiene varias unidades generadoras. El área 1 tiene plantas de recalentamiento de vapor, hidroeléctricas y eólicas, respectivamente, mientras que el área 2 tiene plantas de recalentamiento de vapor, hidroeléctricas y diesel, respectivamente. RFB como estabilizador de frecuencia ha sido dimensionado para el sistema de potencia investigado en 13 y centrado en el área 1 para absorber o descargar energía instantáneamente durante los períodos de perturbación causados ​​por la carga de demanda o los cambios severos de irradiación solar porque la constante de tiempo típica para RFB es solo 0.5 ms .24. Las dos áreas generadoras están interconectadas a través de una línea de conexión. Además de la tarea principal del LFC propuesto de controlar la frecuencia del sistema de potencia, la línea de interconexión en el sistema de potencia investigado no tiene ningún controlador de flujo de potencia, lo que aumenta la importancia de la robustez del LFC para preservar la potencia de la línea de interconexión compartida. entre áreas generadoras dentro de sus valores preprogramados. La planta de energía del parque solar se ha integrado en cada área de generación con una capacidad de potencia activa del 10% de la potencia base del sistema eléctrico. En condiciones normales de funcionamiento, el rastreador del punto de máxima potencia (MPPT) controla el inversor principal del parque solar.

Con el fin de maximizar la potencia de salida del parque solar. Por el contrario, maximizar la potencia de salida del parque solar durante perturbaciones o períodos nublados puede afectar la estabilidad del sistema de energía. En consecuencia, en 13 y 15 se han propuesto controladores de parques solares basados ​​en T1FLC e IT2FLC respectivamente para controlar la potencia de salida del parque solar durante períodos de perturbación causados ​​por cambios severos en la demanda de carga o cambios en la irradiación solar. El controlador de parque solar propuesto en 15 basado en IT2FLC se ha utilizado en este trabajo para controlar las plantas de energía del parque solar que se integraron en el área 1 y el área 2.

Con referencia a la Fig. 1, cualquier cambio en la carga de demanda del área 1 (\(P_{D1}\)) o la carga de demanda del área 2 (\(P_{D2}\)) o ambos crean un desequilibrio entre el sistema de energía energía generada y carga de demanda que, en consecuencia, afecta la frecuencia del sistema de energía en general, no solo la frecuencia del área que tiene este cambio en la carga de demanda debido a la línea de interconexión que interconecta las áreas de generación del sistema de energía.

El error de control de área (\(ACE\)) se define como la cantidad de energía generada que se debe aumentar o disminuir desde un área determinada para mantener el equilibrio entre la energía generada y la demanda de carga. \(ACE\) para el sistema de potencia investigado se puede expresar matemáticamente como en las ecuaciones. (1,2) para el error de control de área en el área-1 y el área-2 respectivamente:

donde \(B_{1}\) y \(B_{2}\) son sensores de polarización de frecuencia para el área-1 y el área-2 respectivamente, mientras que \(\Delta P_{tie12}\) es la potencia compartida a través del empate- línea entre las áreas generadoras.

El desequilibrio entre la generación y la demanda en los sistemas de energía que integran recursos renovables también puede ser causado por los cambios en la energía generada a partir de estos recursos renovables como los parques solares, tanto los cambios en la carga de la demanda como la energía generada crean \(ACE\) en ambas áreas. La LFC propuesta en cada área es responsable de aumentar o disminuir la potencia generada en su área, logrando los siguientes objetivos:

Reducción de los periodos transitorios del tiempo de establecimiento.

Minimice los disparos por encima o por debajo de la frecuencia del sistema.

Minimice el error de estado estable de la frecuencia del sistema de potencia.

Mantenga la potencia de la línea de enlace dentro de sus valores preprogramados.

Las no linealidades en el sistema de energía investigado como GDB y GRC en plantas de energía convencionales como centrales térmicas e hidroeléctricas afectan la precisión de los valores de \(ACE\) que a su vez crean incertidumbres en la señal de entrada para el controlador propuesto. Estas incertidumbres pueden afectar la estabilidad del sistema de energía y afectar el rendimiento de LFC. IT2FLC en este trabajo tiene en cuenta estos niveles de incertidumbre en la señal de entrada que mejoran el rendimiento de IT2FLC en comparación con T1FLC19.

El LFC propuesto está centralizado con idéntica estructura en cada área de generación como se muestra en la Fig. 2

Estructura simplificada de IT2FLC centralizado para LFC en área-1 y área-2.

El controlador propuesto en cada área tiene dos entradas que son \(ACE\) y el cambio en el error de control de área (\(\Delta ACE\)). \(\Delta ACE\) se considera en el controlador propuesto para minimizar el nivel de oscilación en la frecuencia del sistema de potencia. Se supone lógicamente que las señales de entrada del controlador están en el rango de (−1:1) PU, lo que significa que la señal de control de LFC a las plantas de energía no debe exceder el 100% (1 PU) de la capacidad nominal de potencia activa del sistema de potencia mientras el valor mínimo de reducción de la capacidad de generación de las centrales eléctricas no será inferior al 100 % (− 1 PU) de la capacidad nominal de potencia activa del sistema eléctrico. Cualquier valor menor o mayor que (−1:1) son señales de distorsión que pueden ocurrir en períodos transitorios. Estas distorsiones pueden causar un mal funcionamiento de LFC y, en consecuencia, inestabilidad para el sistema de potencia, los factores de escala \(K_{e}\) y \(K_{\Delta e}\) se multiplican por las señales de entrada \(ACE\) y \ (\Delta ACE\) respectivamente para normalizar las entradas entre (-1:1). El \(ACE\) escalado se ha clasificado en siete categorías de funciones de pertenencia triangulares según el tipo de perturbación en el sistema eléctrico, como se muestra en la Fig. 3.

Propuesta de función de membresía \(ACE\).

Donde HDL denota un aumento alto en la carga de demanda, MDL es un aumento medio en la carga de demanda, LDL es un aumento bajo en la carga de demanda, mientras que Z denota ningún cambio en la carga de demanda o la generación de energía en el sistema de energía y el sistema es estable. Por otro lado, HG denota un aumento alto en la potencia generada en comparación con la carga de demanda, MG es un aumento medio en la potencia generada, mientras que LG denota un aumento bajo en la potencia generada en comparación con la carga de demanda. La incertidumbre en la señal \(ACE\) debido a la distorsión o no linealidades en el sistema de potencia se ha representado en el área gris en la función de membresía que se denomina huella del nivel de incertidumbre, esta área en este trabajo se supone que es un valor fijo con un 10% de incertidumbre.

La \(\Delta ACE\) escalada también ha sido clasificada en siete categorías de funciones de pertenencia triangulares iguales (negativa alta, negativa media, negativa baja, cero, positiva baja, positiva media y positiva alta) o (HN, MN, LN, Z , LP, MP, HP) como se muestra en la Fig. 4. La incertidumbre en la señal \(\Delta ACE\) debido a la oscilación del sistema se ha representado en el área gris en la función de pertenencia y también se supone que es un valor fijo con un 10 % de incertidumbre

Propuesta de función de membresía \(\Delta ACE\).

La señal de salida del controlador propuesta para aumentar o disminuir la generación de las plantas de energía depende de la combinación del estado lingüístico \(ACE\) y \(\Delta ACE\) que se puede resumir en la tabla base de reglas. La base de reglas depende principalmente del razonamiento del diseñador y la experiencia del sistema, como se muestra en la base de reglas propuesta en la Tabla. 1.

Con referencia a la Tabla 1, la acción de salida del controlador IT2FLC propuesta también se clasifica en siete estados (HN, MN, LN, Z, LP, MP, HP). La acción requerida de acuerdo con la base de reglas propuesta se aplica luego a la función de membresía de salida del controlador como se muestra en la Fig. 5, donde la acción del controlador se convierte a un valor digital o nítido en el rango de (-1:1) PU en un proceso llamado defuzzificación25.

Función de pertenencia de salida del controlador propuesta.

En este trabajo, el algoritmo PSO propuesto en 26 se ha utilizado para mejorar el rendimiento del LFC propuesto. El objetivo de PSO es ajustar los factores de escala del controlador \(K_{e}\) y \(K_{\Delta e}\) para minimizar el error general del sistema de potencia. El error general del sistema de potencia se ha definido en este trabajo como se expresa en la ecuación. (3).

Con el fin de minimizar el error de frecuencia del sistema de potencia y la oscilación del sistema, así como reducir el tiempo de establecimiento del sistema, en este trabajo se ha sugerido la función multiobjetivo propuesta en 13,15 para evaluar la aptitud de cada partícula en el enjambre. La función objetivo se expresa en la Ec. (4) mientras que el tiempo de simulación es de 60 s.

La función objetivo propuesta combina fraccionadamente las características de dos funciones objetivo únicas diferentes que son el error cuadrático integral (ISE) y el error cuadrático temporal integral (ITSE), ISE \(\left( {\int_{0}^{60\,s} {OE^{2} \cdot d} } \right)\) tiende a reducir los valores de disparo excesivo/insuficiente en la frecuencia del sistema de potencia durante el período transitorio porque penaliza los errores grandes más que los errores pequeños, ya que el cuadrado de los errores grandes será más grande Por otro lado, el ITSE \(\left( {\int_{0}^{60\,s} {t \cdot OE^{2} \cdot d} } \right)\) tiende a minimizar la frecuencia del sistema de potencia error de estado estacionario porque penaliza los errores pequeños más que los errores grandes al multiplicar los errores pequeños por el tiempo. La evaluación de la función objetivo propuesta y su superioridad sobre las funciones objetivo únicas se ha introducido en detalle en 13. El valor de la fracción para cada función objetivo individual determina el objetivo de la técnica de optimización que también depende de la experiencia del sistema.

El diagrama de flujo que se muestra en la Fig. 6 ilustra los pasos del algoritmo PSO para optimizar los factores de escala del LFC propuesto.

Diagrama de flujo de PSO para optimizar los factores de escala de LFC.

Se ejecutó el algoritmo PSO para optimizar los factores de escala para el LFC propuesto en el sistema de energía investigado usando el programa matlab/simulink según los pasos que se muestran en la Fig. 6 mientras se aplica un cambio de carga de demanda de paso del 10 % en el área 1 y la irradiancia solar como se muestra en la Fig. 7. Para 100 iteraciones, los mejores valores globales para los factores de escala de LFC son \(K_{e} = 38.5\) y \(K_{\Delta e} = 22.5\). El valor de los factores de escala obtenidos se utilizará en la siguiente sección de simulación y resultados para investigar la robustez del controlador propuesto para varias perturbaciones del sistema de potencia sin volver a sintonizar las ganancias del controlador.

Patrón de irradiancia solar de alta a baja en t = 35 s.

En esta parte del documento, se simulará el rendimiento del LFC propuesto basado en IT2FLC para el sistema de potencia que se muestra en la Fig. 1. Se investigará la superioridad del controlador propuesto sobre el controlador basado en PID en cascada que se propuso en 11 y se introdujo para la comparación en 13 aplicando tres casos diferentes de estudios. La influencia de integrar un estabilizador de frecuencia como RFB también se ha estudiado en estos casos de estudios para investigar el papel de RFB para mejorar el rendimiento del controlador propuesto. Los casos de estudios se pueden describir de la siguiente manera:

Primer caso de estudio: En este caso de estudio, se ha aplicado un incremento del 10 % a la demanda de carga en el área 1, mientras que el patrón de radiación solar es el que se muestra en la Fig. 7 (disminución repentina de la radiación solar de 1000 a 500 w/m2). en t = 35 s). Los resultados son visibles en los gráficos. 8, 9 y 10 para la desviación de frecuencia en el área-1, el área-2 y la desviación en la potencia de la línea de conexión, respectivamente.

Segundo caso de estudio: En este caso de estudio, se aplicó un incremento del 20 % a la demanda de carga en el área 1 y el área 2, mientras que el patrón de radiación solar es como se muestra en la Fig. 7. Los resultados se muestran en las Figs. 11, 12 y 13 para la desviación de frecuencia en el área-1, el área-2 y la desviación en la potencia de la línea de conexión, respectivamente.

Tercer caso de estudio: En este caso de estudio, se ha aplicado un aumento del 10 % a la demanda de carga en el área 1, mientras que el patrón de radiación solar es el que se muestra en la Fig. 14 (aumento repentino de la radiación solar de 500 a 1000 w/m2 en t = 35 s). Los resultados son visibles en los gráficos. 15, 16 y 17 para la desviación de frecuencia en el área-1, el área-2 y la desviación en la potencia de la línea de conexión, respectivamente.

Cuarto caso de estudio: incertidumbre para los valores de los parámetros del sistema de potencia como la constante de tiempo de los gobernadores de velocidad (\(T_{g1}\) y \(T_{g2}\)) o la constante de tiempo de la turbina de vapor (\(T_{t1} \) y \(T_{t2}\)) pueden causar un mal funcionamiento del controlador propuesto durante la investigación práctica. En consecuencia, en este caso de estudio, los cambios (± 25%) en los parámetros del sistema de potencia investigados como \(T_{g1}\), \(T_{g2}\), \(T_{t1}\) y \(T_ {t2}\) se han aplicado para investigar la sensibilidad del controlador propuesto frente a cambios en los parámetros del sistema de potencia mientras se aplica un aumento del 10 % a la demanda de carga en el área 1, mientras que el patrón de irradiación solar es como se muestra en la Fig. 14 (aumento repentino de la radiación solar de 500 a 1000 w/m2 en t = 35 s). Los resultados son visibles en los gráficos. 18, 19, 20 para la desviación de frecuencia en el área 1, el área 2 y la desviación en la potencia de la línea de interconexión, respectivamente, debido a los cambios de la constante de tiempo del regulador de velocidad, mientras que las Figs. 21, 22 y 23 para la desviación de frecuencia en el área 1, el área 2 y la desviación en la potencia de la línea de interconexión, respectivamente, debido a los cambios constantes de tiempo de la turbina de vapor.

Primer caso de estudio de cambio en la frecuencia del área-1 (\(\Delta f_{1}\)).

Primer caso de estudio de cambio en la frecuencia del área-2 (\(\Delta f_{2}\)).

Primer caso de estudio de cambio en la potencia programada de la línea de interconexión (\(\Delta P_{tie2}\)).

Segundo caso de estudio de cambio en la frecuencia del área-1 (\(\Delta f_{1}\)).

Segundo caso de estudio de cambio en la frecuencia del área-2 (\(\Delta f_{2}\)).

Segundo caso de estudio de cambio en la potencia programada de la línea de interconexión (\(\Delta P_{tie2}\)).

Patrón de irradiancia solar de baja irradiancia a alta en t = 35 s.

Tercer caso de estudio de cambio en la frecuencia del área-1 (\(\Delta f_{1}\)).

Tercer caso de estudio de cambio en la frecuencia del área-2 (\(\Delta f_{2}\)).

Tercer caso de estudio de cambio en la potencia programada de la línea de interconexión (\(\Delta P_{tie2}\)).

Cuarto caso de estudio cambio en la frecuencia del área-1 (\(\Delta f_{1}\)) para diferentes valores de constante de tiempo del regulador de velocidad.

Cuarto caso de estudio cambio en la frecuencia del área-2 (\(\Delta f_{2}\)) para diferentes valores de constante de tiempo del regulador de velocidad.

Cuarto caso de estudio de cambio en la potencia programada de la línea de interconexión (\(\Delta P_{tie2}\)) para diferentes valores de constante de tiempo del regulador de velocidad.

Cuarto caso de estudio de cambio en la frecuencia del área-1 (\(\Delta f_{1}\)) para diferentes valores de constantes de tiempo de turbinas de vapor.

Cuarto caso de estudio de cambio en la frecuencia del área-2 (\(\Delta f_{2}\)) para diferentes valores de constantes de tiempo de turbinas de vapor.

Cuarto caso de estudio de cambio en la potencia programada de la línea de interconexión (\(\Delta P_{tie2}\)) para diferentes valores de constantes de tiempo de turbinas de vapor.

En el primer y segundo casos de estudios, la robustez del controlador propuesto ha sido investigada en las Figs. 8, 9, 10, 11, 12 y 13. En contraste con el controlador PID-P en cascada, PSO sintonizado IT2FLC ha reducido significativamente el tiempo de establecimiento, la oscilación del sistema y el error de estado estable durante el cambio de carga de demanda severa en el área-1, área- 2 y una severa disminución instantánea en el valor de la irradiancia solar que se ha producido en el período de simulación en t = 35 s. El controlador propuesto ha logrado preservar la estabilidad del sistema de potencia investigado a pesar de la influencia de las no linealidades de las centrales eléctricas convencionales como GRC y GBD. La huella de incertidumbre en el controlador IT2FLC propuesto ha mitigado la oscilación no deseada del sistema y ha mejorado la estabilidad general del sistema de energía investigado. La integración de RFB ha mejorado el rendimiento del controlador propuesto debido a su capacidad para inyectar o absorber energía en un tiempo breve, que normalmente es inferior a 0,5 ms.

Por otro lado, la irradiancia solar en el tercer caso de estudio se ha elevado instantáneamente desde el nivel bajo (500 W/m2) hasta su valor máximo (1000 W/m2) en t = 35 s lo que provocó que la potencia generada en área- 1 y el área 2 se incremente bruscamente y, en consecuencia, aumente instantáneamente la frecuencia del sistema de potencia investigada, el controlador propuesto ha mitigado este aumento en la frecuencia del sistema en poco tiempo dentro de 0,3 s con un valor de sobreimpulso inferior a 0,005 PU En contraste, el controlador PID en cascada ha liquidó el sistema debido a esta perturbación en más de 9 s mientras que el valor de sobreimpulso de la frecuencia ha superado 0.11PU Para el sistema de potencia que integra RFB, RFB ha absorbido este aumento en la potencia generada y como resultado RFB ha mejorado significativamente el rendimiento del controlador IT2FLC propuesto.

Finalmente, en el cuarto caso de estudio, se investigó el análisis de sensibilidad para el controlador propuesto con el fin de confirmar la robustez del LFC propuesto en caso de incertidumbre de los parámetros del sistema de potencia. Como se muestra en las figuras para este caso de estudio, el controlador propuesto ha preservado la estabilidad del sistema de potencia investigado a pesar de los grandes cambios en las constantes de tiempo de las unidades de generación (± 25%). El error de estado estacionario en la frecuencia del sistema, así como el tiempo de establecimiento, se han desviado (± 0,0025 %) de las curvas fundamentales sin volver a sintonizar las ganancias propuestas del controlador.

El análisis numérico para el primer, segundo y tercer casos de estudios se ha resumido en la Tabla 2, que muestra el sobreimpulso máximo (OS), el subimpulso (US), el tiempo de establecimiento del sistema de potencia y el valor del error de estado estable (SSE) para el controlador propuesto con y sin RFB en comparación con el controlador PID-P en cascada.

En este trabajo, se ha propuesto que IT2FLC actúe como LFC principal para el sistema de energía interconectado de múltiples fuentes de dos áreas que integra la planta de energía del parque solar en cada área. Las ganancias para el controlador propuesto se ajustaron utilizando la técnica de optimización PSO. El rendimiento de IT2FLC LFC se investigó y comparó con PID LFC en cascada propuesto en trabajos anteriores para varios estudios de casos mientras cambiaba la demanda de carga en cada área de generación y cambiaba la irradiancia solar durante el período de simulación para investigar la robustez del controlador propuesto. IT2FLC como LFC principal ha mejorado la estabilidad del sistema de potencia al reducir el tiempo de establecimiento del sistema, el exceso o defecto de disparo y el error de estado estable. La huella de incertidumbre en el controlador propuesto ha reducido significativamente la oscilación no deseada del sistema durante los períodos de estado transitorio y estable. La integración de RFB ha mejorado el rendimiento del controlador propuesto, ya que ha reducido el tiempo de establecimiento del sistema de potencia, la oscilación y los valores de disparo excesivo/insuficiente. Para extender este trabajo en trabajos futuros, se pueden utilizar técnicas de optimización metaheurística desarrolladas recientemente como Firefly, moth-flame y slap swarm en lugar de la técnica PSO para ajustar las ganancias del controlador. En trabajos futuros, también se puede desarrollar un sistema de lógica difusa tipo 3 a partir de IT2FLC para mejorar la respuesta de LFC, especialmente la oscilación del sistema de potencia en el período transitorio causada por la incertidumbre de los valores de entrada.

\({\varvec{K}}_{{{\varvec{RFB}}}} = {{{\varvec{0.6777}}}}\); \({\varvec{T}}_{{{\varvec{RFB}}}} = {{{\varvec{0.00034}}}}\) s; \({{{{\varvec{ T}}}}}_{{{\varvec{g}}1}} { } = {{{{\varvec{ T}}}}}_{{{\varvec {g}}2}} { } = {{{\varvec{{ }0.08}}}}\) s; \({\varvec{T}}_{{{\varvec{t}}1}} { } = {{{{\varvec{ T}}}}}_{{{\varvec{t}}2} } { } = {{{\varvec{0.3}}}}\)sS; \({\varvec{K}}_{{{\varvec{r}}1}} { } = {\varvec{K}}_{{{\varvec{r}}2}} { } = {{ {\varvec{{ }0.333}}}}{\varvec{Hz}} / {\varvec{p}}.{\varvec{{ u}}}.{\varvec{MW}}\); \({\varvec{T}}_{{{\varvec{r}}1}} { } = {{{\varvec{{ T}}}}}_{{{\varvec{r}}2} } { } = {{{\varvec{{ }10}}}}\) s; \({{{\varvec{{ T}}}}}_{{{\varvec{GH}}1}} { } = {{{\varvec{{ T}}}}}_{{{\varvec {GH}}2}} { } = {{{\varvec{{ }48.7}}}}\) s; \({\varvec{T}}_{{{\varvec{RS}}1}} { } = {{{\varvec{{ T}}}}}_{{{\varvec{RS}}2} } { } = {{{\varvec{{ }0.513}}}}\) s; \({\varvec{T}}_{{{\varvec{RH}}1}} { } = {{{\varvec{{ T}}}}}_{{{\varvec{RH}}2} } { } = {{{\varvec{{ }10}}}}\) s; \({\varvec{T}}_{{{\varvec{W}}1}} { } = {{{\varvec{{ }1}}}}\) s; \({\varvec{K}}_{{{\varvec{p}}1}} { } = {{{\varvec{{ }1,25{ Hz}}}}} / {\varvec{p}}. {{{\varvec{{ u}}}}}.{\varvec{MW}};{{{\varvec{{ T}}}}}_{{{\varvec{p}}1}} { } = {{{\varvec{{ }6{ seg}}}}};{{{\varvec{{ T}}}}}_{{{\varvec{p}}2}} { } = {{{ \varvec{{ }0.041{ s}}}}}\); \({\varvec{K}}_{{{\varvec{p}}2}} { } = {{{\varvec{{ }1.4}}}}\); \({\varvec{K}}_{{{\varvec{diésel}}}} { } = {{{\varvec{16.5{\, S}}}}}\); \({\varvec{R}}_{1} = {{{\varvec{{ R}_{2}}}}} = {\varvec{R}}_{3} = {\varvec{R} }_{4} = {\varvec{R}}_{5} = {\varvec{R}}_{6} =\) 2,4 Hz/PU MW; \({\varvec{B}}_{1} = {{{\varvec{{ B}_{2}}}}} =\) 0.425PU MW/Hz; \({\varvec{K}}_{{{\varvec{PS}}1}} = {{{\varvec{{ K}}}}}_{{{\varvec{PS}}2}} = \) 120 Hz/PU MW; \({\varvec{T}}_{{{\varvec{PS}}1}} = {{{\varvec{{ T}}}}}_{{{\varvec{PS}}2}} = \) 20 s; \({\varvec{T}}_{12} =\) 0,08 PU MW/Hz; Potencia nominal del parque solar en condiciones de prueba estándar (STC) = 0,1 PU

Tipo de sistema de inferencia = Mamdani FIS; Número de entradas = 2; Factor de escala para la entrada 1 = 38,5; Factor de escala para la entrada 2 = 22,5; Rango de entrada 1 = [0 1]; Rango de entrada 2 = [0 1]; Rango de salida = [0 1]; Método de desfuzzificación = Centroide; Tipo de entrada y función de pertenencia de salida = triángulo igual mf; Número de entrada 1 mf = 7; Número de entrada 2 mf = 7; Número de salida mf = 7.

Número de variables = 2 (\({\varvec{K_{e}}}\) y \({{{\varvec{K_{\Delta e}}}}}\)); Función de costo = \({{{\varvec{0.2\int_{0}^{60\sec } {OE^{2} \cdot dt} + 0.8 \int_{0}^{60\sec } {t \cdot OE^{2} \cdot dt}}}}}\); Valor mínimo de las variables = -10; Valor máximo de las variables = 100; Número de partículas = 7; Número máximo de iteraciones = 100; peso de inercia = 1; Coeficiente de aceleración 1 = 2,05; Coeficiente de aceleración 1 = 2,05.

Los conjuntos de datos utilizados y/o el análisis durante el estudio actual están disponibles del autor correspondiente a pedido razonable.

Error de control de área

Control automático de generación

Factor de participación del área

Rendimiento estándar del controlador

Sistema flexible de transmisión de corriente alterna

Sistema de lógica difusa

Banda muerta del gobernador

Restricción de tasa de generación

Optimización de lobo gris

Controlador de lógica difusa tipo 2 de intervalo

Controlador de frecuencia de carga

Rastreador de punto de máxima potencia

Optimización de Enjambre de partículas

Batería de flujo de oxidación de reducción

Controlador de lógica difusa tipo 1

Bencs, P., Al-Ktranee, M. & Mészáros, KM Efectos de los paneles solares en las redes eléctricas. Anal. tecnología tamaño 14(1), 50–60 (2020).

Artículo Google Académico

Wolfe, PR Energía solar a escala de servicios públicos. En el Manual de fotovoltaica de McEvoy, 3.ª ed. (2018)

Fathabad, AM, Cheng, J., Pan, K. y Qiu, F. Planificación basada en datos para la generación distribuida renovable en sistemas de distribución. Trans. IEEE. Sistema de energía 35(6), 4357–4368 (2020).

Artículo ANUNCIOS Google Académico

da Silva, PP, Dantas, G., Pereira, GI, Câmara, L. & De Castro, NJ Generación distribuida fotovoltaica: una revisión internacional sobre difusión, políticas de apoyo y adaptación regulatoria del sector eléctrico. Renovar. Sostener. Energía Rev. 103, 30–39 (2019).

Artículo Google Académico

Musanga, LM, Barasa, WH y Maxwell, M. El efecto de la irradiación y la temperatura en el rendimiento del módulo solar de silicio monocristalino en Kakamega. física ciencia En t. J. 19(4), 1–9 (2018).

Artículo Google Académico

Ghosh, J., Seetharaman, A. & Maddulety, K. Los principales factores que influyen en el crecimiento del uso de energía solar en la India. economía india. J. 68(1), 122–128 (2020).

Artículo Google Académico

Gersdorf, T., Hensley, Hertzke, P., Schaufuss, P., Tschiesner, A. El camino por recorrer para la movilidad eléctrica. Mc Kinsey. (2020).

Mastoi, MS et al. Un análisis en profundidad de la infraestructura de la estación de carga de vehículos eléctricos, las implicaciones políticas y las tendencias futuras. Informe de energía 8, 11504–11529 (2022).

Artículo Google Académico

Lokanatha, M. & Vasu, K. Control de frecuencia de carga de un sistema de potencia de dos áreas usando un controlador PID. En t. J. Ing. Res. Tecnología (IJERT) 3(11), 687–692 (2014).

Google Académico

Gupta, NK, Kar, MK y Singh, AK Control de frecuencia de carga del sistema de alimentación de dos áreas mediante el uso de un controlador de 2 grados de libertad diseñado con la ayuda del algoritmo firefly. En Aplicaciones de Control en Sistemas Eléctricos Modernos. 57–64 (2021).

Alzaher, ANA, Shafei, MAR & Ibrahim, DK Mejora del control de frecuencia de carga del sistema de fuentes de energía múltiple de áreas múltiples con unidades renovables e incluyendo no linealidades. Indones. J. Electr. Ing. computar ciencia 19(1), 108–118 (2020).

Google Académico

Farahani, M., Ganjefar, S. & Alizadeh, M. Ajuste del controlador PID utilizando un algoritmo de optimización caótica para el control de frecuencia de carga de áreas múltiples. Aplicación de la teoría de control IET. 6(13), 1984–1992 (2012).

Artículo MathSciNet Google Académico

Shafei, MAR, Ibrahim, DK y Bahaa, M. Aplicación del controlador de lógica difusa sintonizada PSO para LFC de un sistema de energía de dos áreas con batería de flujo redox y parque solar fotovoltaico. Ing. Ain Shams. J. 13(5), 101710 (2022).

Artículo Google Académico

Chidambaram, IA & Paramasivam, B. Simulación de frecuencia de carga optimizada en un sistema de energía reestructurado con baterías de flujo Redox y controlador de flujo de energía interlínea. En t. J. Electr. Sistema de energía eléctrica 50, 9–24 (2013).

Artículo Google Académico

Soliman, AMA, Eldin, MB & Mehanna, MA Aplicación de WOA tuned type-2 FLC para LFC de un sistema de energía de dos áreas con RFB y parque solar considerando TCPS en interlínea. Acceso IEEE 10, 112007–112018 (2022).

Artículo Google Académico

Abazari, A., Dozein, MG, Monsef, H. & Wu, B. Participación de turbinas eólicas en el control de frecuencia de microrredes mediante autoajuste, caída difusa adaptativa en área descargada. Red Inteligente IET. 2(2), 301–308 (2019).

Artículo Google Académico

Abazari, A., Babaei, M., Muyeen, SM y Kamwa, I. Aprendizaje de la caída difusa adaptativa de la contribución fotovoltaica a la excursión de frecuencia de la microrred híbrida durante las incertidumbres de los parámetros. eléctrico Sistema de energía eléctrica 123, 106305 (2020).

Artículo Google Académico

Abhijith Pappachen, A. Peer Fathima, controlador de frecuencia de carga basado en estándares de rendimiento de control de NERC para un sistema de energía desregulado de áreas múltiples con enfoque ANFIS. Ing. Ain Shams. J. 9(4), 2399–2414 (2018).

Artículo Google Académico

Dongrui, Wu. Sobre las diferencias fundamentales entre los controladores de lógica difusa tipo 2 y tipo 1 de intervalo. Trans. IEEE. Sistema borroso 20(5), 832–848 (2012).

Artículo Google Académico

Azar, A. Visión general de los sistemas de lógica difusa tipo 2. En t. J. Sistema borroso. aplicación (IJFSA) 2, 1–28 (2012).

Google Académico

Kennedy, J. & Eberhart, R. Optimización de enjambre de partículas. proc. Internacional IEEE Conf. Red neuronal 5, 1942-1948 (1995).

Artículo Google Académico

Mezura-Montes, E. & Coello, CAC Manejo de restricciones en optimización numérica inspirada en la naturaleza: pasado, presente y futuro. Enjambre Evol. computar 1(4), 173–194 (2011).

Artículo Google Académico

Ahmed, G. Gad, algoritmo de optimización de enjambre de partículas y sus aplicaciones: una revisión sistemática. Arco. computar Métodos Ing. 29, 2531–2561 (2022).

Artículo MathSciNet Google Académico

Sasaki, T., Shigematsu, T. & Deguchi, HE Estudio de evaluación sobre la respuesta de la batería de flujo redox y su modelado. IEEJ Trans. Energía eléctrica 122(4), 554–560 (2002).

Artículo ANUNCIOS Google Académico

Mendel, J., Hagras, H., Tan, W.-W., Melek, WW, Ying, H. Introducción al control de lógica difusa tipo 2: teoría y aplicaciones (IEEE Press, John Wiley & Sons, Hoboken, New Jersey, 2014).

Mirjalili, S. Una implementación simple del algoritmo de optimización de enjambre de partículas (PSO) (https://www.mathworks.com/matlabcentral/fileexchange/67429-a-simple-implementation-of-particle-swarm-optimization-pso-algorithm) , Intercambio central de archivos de MATLAB. Consultado el 9 de enero de 2023.

Descargar referencias

Financiamiento de acceso abierto proporcionado por The Science, Technology & Innovation Funding Authority (STDF) en cooperación con The Egyptian Knowledge Bank (EKB).

Departamento de Ingeniería Eléctrica, Facultad de Ingeniería, Universidad Al-Azhar, Ciudad Nasr, El Cairo, 1427, Egipto

Ahmed Mohammed Attiya Soliman, Mostafa Bahaa y Mohammed A. Mehanna

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

AMAS y MB escribieron el texto principal del manuscrito y prepararon todas las figuras y tablas. MAM revisó el manuscrito.

Correspondencia a Ahmed Mohammed Attiya Soliman.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Soliman, AMA, Bahaa, M. y Mehanna, MA Lógica difusa tipo 2 de intervalo sintonizado de PSO para el control de frecuencia de carga de un sistema de energía interconectado de múltiples fuentes de dos áreas. Informe científico 13, 8724 (2023). https://doi.org/10.1038/s41598-023-35454-4

Descargar cita

Recibido: 10 enero 2023

Aceptado: 18 de mayo de 2023

Publicado: 30 mayo 2023

DOI: https://doi.org/10.1038/s41598-023-35454-4

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.