کنترل بار فرکانس در سیستم چند ناحیهای تجدید ساختار یافته به کمک طراحی هوشمند کنترلکننده فازی و روش توسعهیافته اجتماع ذرات

Transcript

1 کنترل بار فرکانس در سیستم چند ناحیهای تجدید ساختار یافته به کمک طراحی هوشمند کنترلکننده فازی و روش توسعهیافته اجتماع ذرات محمد حسین محمدی پیمان معلم مهدی هاشمی - دانشجوی کارشناسی ارشد موسسه آموزش عالی غیرانتفاعی پیام گلپايگان - دانشیار گروه مهندسی برق دانشکده فنی و مهندسی دانشگاه اصفهان - مربی موسسه آموزش عالی غیرانتفاعی پیام گلپايگان عکس ارائهدهنده mohamadipower@yahoo.com نام ارائهدهنده: محمدحسین محمدی خالصه گرایش تازه به سوی تجدید ساختار و رقابت بهرهبرداری از کنترل بار فرکانس سنتی را دگرگون کرده است به طوری که در یک محیط رقابتی آزاد و تجدید ساختار شده کنترل بار فرکانس به صورت کاالیی در آمده است که میتواند دادوستد شود. بنابراین کنترلکنندههای پیشرفتهای الزم است تا مسئله کنترل بار فرکانس را جهت بهبود پایداری دینامیکی افزایش قابلیت اطمینان و کیفیت بهرهبرداری از سیستم قدرت انجام دهد. در این مقاله کنترلکننده فازی چند طبقه در سیستم قدرت تجدیدساختاریافته دو ناحیهای با درنظرگرفتن نامعینیهای سیستم قدرت و محدودیتهای اشباع گاورنر و توربین تحت قراردادهای مختلف طراحی شده است. بخش اصلی تابع هدف که مبتنی بر انتگرال حاصلضرب زمان در مربع پاسخ پله انحراف فرکانس هست کنترلکننده پیشنهادی را برای بدترین قرارداد و بدترین نقطه کار سیستم از نظر کنترلی طراحی میکند. نامعینیها به صورت تغییر پارامترهای نامعین سیستم از %5- تا %5+ از مقادیر نامی با گام % در نظر گرفته شده است. در ایده جدید از حداکثر محدودیت سرعت دریچه بخار )VSL( و محدودیت نرخ تولید )GRC( برای کاهش هر چه سریعتر انحراف فرکانس در حالت دینامیکی استفاده میشود. برای طراحی کنترلکننده فازی پیشنهادی با تابع هدف جدید از الگوریتم بهبودیافته اجتماع ذرات مبتنی بر ضرایب متغیر زمانی استفاده میشود. نتایج شبیهسازی برای یک سیستم قدرت تجدیدساختاریافته دو ناحیهای ارائه و با نتایج به دست آمده از الگوریتمهای ژنتیک (GA) و بهبود یافته اجتماع ذرات (PSO) 5 به منظور ارزیابی کارایی کنترلکننده پیشنهادی مقایسه میشود. کلمات کلیدی: الگوريتم بهبوديافته اجتماع ذرات - کنترلکننده فازی - نا يقینیها سیستم. Genetic Algorithm (GA) Particle Swarm Optimization (PSO)

2 . مقدمه روند تجدید ساختار در صنایعی چون راهآهن هواپیماسازی مخابرات و گاز و نتایج مثبت حاصله از آن تحلیلگران و سیاستگذاران عرصه صنعت برق را به اندیشه استفاده از تجارب به دست آمده ترغیب نموده است. گرچه تفاوتهای ذاتی چون عدم امکان ذخیرهسازی انرژی در ابعاد زیاد لزوم برقراری تعادل بین عرضه و تقاضا عدم پاسخگویی تقاضا به قیمت )کشش دار نبودن تقاضا( و وابستگی و یکپارچگی سیستم و گسترش خطا در یک محل به سایر نقاط شبکه صنعت برق را از دیگر صنایع متمایز مینمود لیکن بررسی فعالیتهای انجامشده در زمینه افزایش رقابت و بهرهوری در صنعت برق نشان میدهد که تجدید ساختار در این صنعت نیز امکانپذیر میباشد. بررسی تجربه تجدید ساختار دهههای اخیر در کشورهای پیشرو در زمینه اصالح ساختار صنعت برق میتواند در شناخت پیشنیازها الگوها و شاخصهای روند تجدید ساختار در کشورهای دیگر مفید باشد. از اواخر قرن نوزدهم تا انتهای قرن بیستم صنعت برق به صورت یک ساختار انحصاری تنظیمشده و به صورت نظارتی بهرهبرداری شده است. با ورود به قرن بیست و یکم گر چه هنوز بسیاری از کشورها دارای همان ساختار پیشین هستند اما کشورهایی چون انگلیس و ولز استرالیا و آمریکا و... سعی در ایجاد تغییر ساختار در صنعت برق خود نمودهاند. بدین لحاظ عنوان ساختار سنتی اصطالحی است که برای ساختار پیشین صنعت برق این کشورها بهکاربرده میشود. بنابراین ایجاد رقابت در صنعت برق بهترین روش برای ترغیب در سرمایهگذاری و بهرهبرداری مناسب در این صنعت هست. این رقابت در کشورهای مختلف بنا به شرایط اقتصادی و فناوری خاص آن کشورها در سطوح مختلفی صورت گرفته است و یکی از عوامل ایجاد زمینه رقابت در صنعت برق حذف عملکرد انحصاری بودن این صنعت در بخشهای تولید انتقال و توزیع و به عبارتی جداسازی قسمتهای مختلف صنعت برق برای ایجاد رقابت در آن میباشد ][. لذا کنترلکننده پیشرفتهای الزم است تا مسئله کنترل بار-فرکانس سیستم را جهت بهبود پایداری دینامیکی افزایش قابلیت اطمینان و بهرهبرداری از سیستم قدرت انجام دهد. سیستمه یا قدرت واقعی با انواع عدم قطعیتها مواجه است که این عدم قطعیتها ناشی از تغییرات بار خطای مدلسازی سیستم و تغییرات ساختار سیستم میباشد. در نتیجه جهت پوشش محدودیته یا فوق نیاز به کنترلکنندهای انعطافپذیر است. کنترلکننده بار-فرکانس PID با درنظرگرفتن حداکثر محدودیت سرعت دریچه بخار )VSL( و محدودیت نرخ تولید )GRC5( در سیستمه یا قدرت در حوزه فرکانس طراحی شده است ]4-5[. در سیستمهای قدرت تجدید ساختار یافته واقعی کنترل هر منطقه شامل انواع مختلفی از اختالالت گوناگون و نامشخص به دلیل افزایش پیچیدگی خطاهای مدلسازی سیستم و تغییر ساختار سیستم قدرت میباشد. در نتیجه کنترلکنندههای ثابت بر اساس نظریه مطمئنا برای مسئله AGC مناسب نخواهند بود. بنابراین کنترلکننده قابلانعطافی برای سیستم الزم است. اخیرا برخی از نویسندگان روش PID فازی را برای بهبود عملکرد مسئله AGC پیشنهاد دادهاند] 6- [. اما این مسئله باعث میشود که فرآیند طراحی سختتر شود. به منظور غلبه بر این مشکل الگوریتم بهینهسازی باکتری مبتنی بر کنترلکننده فازی چند مرحلهای در این مقاله ارائه شده است. در این شکل از کنترل کنترلکننده PD وقتی شرایط مشخصی را میبیند فعال میشود. با استفاده از روش ارائهشده نیاز به منابع کمتری برای عملکرد دارد و نقش آن در پاسخ سیستم کامال مشهود میباشد. و نیز درک اثر کنترلکننده دو بعدی از یک کنترلکننده سه بعدی راحتتر میباشد. یکی از گامهای مهم و ضروری در طراحی هر کنترلکننده فازی موفق ایجاد توابع عضویت با دقت میباشد. از سوی دیگر استخراج تنظیم مناسب توابع عضویت ممکن است خستهکننده و وقتگیر باشد. در مرجع ][ روش GA برای تنظیم خودکار کنترلکننده MSF پیشنهاد شده است. اگر چه روش GA به نظر میرسد روش خوبی باشد اما وقتی که در مسئله نقاط بهینه محلی زیادی باشد حل از طریق GA مناسب نمیباشد. همچنین زمان شبیهسازی طوالنی میشود. عالوه بر این وقتی که تعداد پارامترها زیاد میشود و مسئله بهینهسازی پیچیده میشود سرعت همگرایی الگوریتم GA بسیار پایین آمده به طوری که دقت همگرایی ممکن است تحت تأثیر سرعت همگرایی قرار گیرد. در این مقاله از الگوریتم بهبودیافته اجتماع ذرات برای حل این مسئله انجام شده است که با استفاده از الگوریتم بهبودیافته پیشنهادی ضمن تضمین نقطه بهینه سراسری سرعت همگرایی به شدت افزایش مییابد. همچنین الگوریتم پیشنهادی در حل مسائل برجسته غیرخطی غیر مشتق پذیر و ابعاد باال بسیار توانا میباشد. کنترلکننده ارائهشده در این مقاله بر روی سیستم قدرت تجدید ساختار یافته دو ناحیهای با سناریوهای مختلف تحت شرایط مختلف بهرهبرداری مورد آزمایش قرارگرفته و با کنترلکننده ][ GAMSF مقایسه شده است. ارزیابی نتایج نشان میدهد که روش پیشنهادشده کارایی خوبی برای رنج وسیعی از پارامترهای سیستم و تغییرات بار در سیستمهای غیرخطی نسبت به کنترلکنندههای دیگر دارد. به منظور ارزیابی کارایی کنترلکننده پیشنهادی بر اساس معیارهای عملکرد FD ITAE ( p) و ITAE ( f ) که توابعی از مشخصهه یا عملکردی سیستم در حالت گذرا و ماندگار هستند مقایسه میشود. نتایج شبیهسازی نشاندهنده بهبود بیشینه فرا جهش و زمان نشست انحرافات فرکانسی به ازای تغییرات پله بار است. مقاله دارای Valve Speed Limit(VSL) Generation Rate Contrain(GRC)

3 هفت بخش است. در ادامه در بخش 5 به مسئله مدلسازی سیستم دو ناحیهای در بازار برق میپردازد. بخش به معرفی ایده کنترلی میپردازد. بخش 4 روش بهینهسازی پیشنهادی را توضیح میدهد. در بخش به معرفی کنترلکننده بر روی سیستم مورد نظر میپردازد. نتایج شبیهسازی در بخش 6 بررسی شده است و نهایتا در بخش 7 به نتیجهگیری اختصاص یافته است.. مدلسازی سیستم چند ناحیهای تجدید ساختار یافته در سیستمهای تجدید ساختار شده ساختارهای زیادی برای مهیاکردن کنترل توان حقیقی وجود دارد. این ساختارها در چگونگی کنترل بار فرکانس توسط ژنراتورها و تعهدات اجرایی آنها نسبت به مسئله LFC و نحوه ساختار آزاد بازار تفاوت دارند. سه نوع ساختار برای کنترل بار فرکانس در نظر گرفته میشود که عبارتاند از ]-7[: الف( کنترل بار فرکانس آزاد. ب( کنترل بار فرکانس شارژ شده 5. ج( کنترل بار فرکانس دو جانبه. سیستم در یک سیستم تجدیدساختارشده اهداف اصلی سیستم سنتی تغییر نمییابد بلکه وجه مهندسی طراحی و بهرهبرداری را دوباره با توجه به رقابتی شدن فرمولبندی شده است ][. با ظهور شرکتهای تولید (GENCO) شرکتهای انتقال (TRANSCO) شرکتهای توزیع (DISCO) و عملگر مستقل سیستم (ISO) بسیاری از سرویسهای جانبی یک سیستم سنتی نقش متفاوتی را در سیستم جدید ایفا میکنند. بنابراین باید به صورت متفاوت مدل شوند. یکی از این سرویسهای جانبی کنترل خودکار تولید (AGC) است. در سیستمهای قدرت تجدیدساختارشده شرکتهای توزیع میتوانند آزادانه با شرکتهای تولیدی در ناحیه کنترلی خودی یا نواحی کنترلی دیگر قرارداد خرید توان داشته باشد که این معامالت تحت نظارت عملگر مستقل انجام میگیرد. بنابراین در عمل ترکیبات متعددی از قراردادها فیمابین شرکتهای تولیدی و توزیع وجود خواهد داشت. به منظور مدلسازی و نمایش قراردادهای مختلف از ماتریس مشارکت تعمیمیافته )AGPM( استفاده میشود که بیانگر مشارکت GENCOi در قرارداد با DISCOj هست. هر عنصر این ماتریس میتواند به عنوان جزئی از کل قراردادی میان GENCOها وDISCOها لحاظ شود ]8[. شکل )( نمایش بلوکی سیستم کنترل بار-فرکانس دو ناحیهای را نشان میدهد ][. خطوط خط چین در شکل سیگنال دیماند بر اساس قرارداد ممکن فی مابین DISCOها GENCOها را نشان میدهد. که این سیگنالها در سیستم کنترلی بار-فرکانس سنتی وجود ندارد. ]5[. با توجه به شکل سه سیگنال di, ζi و ρi را میتوان از ماتریس قرارداد محاسبه کرد ]5[. در ساختار جدید تولیدکنندهها هم میتوانند در کار AGC شرکت کند و مصرفکنندهها آزادند باهر تولیدکنندهای در دسترس مناطق خود و یا دیگر مناطق قرارداد ببندند. با کمک ماتریس مشارکت توزیع میتوان ترکیبی از قراردادهای بازار را مدلسازی نمود. سطر و ستون AGPM برابر است با تعداد کل تولیدکنندهها و مصرفکنندهها. در سیستم قدرت کلی ساختار AGPM برای یک سیستم قدرت در مقیاس بزرگ با N منطقه کنترل به صورت زیر است : AGPM AGPM AGPM N N AGPM AGPM NN در باال gpf ( )( z j ) gpf ( )( z j m j ) i j AGPM for i, j,, N, n, z m, z ij i i j j gpf ( n )( z ) gpf ( n )( z m ) i j i j j مربوط است به ضریب مشارکت تولید و ضریب مشارکت gpfij و i تعداد تولیدکنندهها و مصرفکنندهها در ناحیه Mi و ni بار کلی مورد نیاز مصرفکننده j تولیدکننده i در بر مبنای قرارداد میباشد. برای نشان دادن کارایی و مزیت طرح کنترل ارائهشده و مدلسازی استراتژی سیستم کنترل Free LFC Charged LFC Bilateral LFC

4 سه ناحیه به عنوان سیستم آزمایش در نظر گرفته شده است. فرض شده که هر ناحیه کنترل شامل دو تولیدکننده دیاگرام طرح AGC کلی برای سیستم تجدید ساختار یافته سه ناحیه در شکل )( نشان داده شده است. و یک مصرفکننده میباشد. بلوک Dico gpf gpf gpf gpf gpf gpf B Ki Controller α Ki R R ρ d Gencol- Pd +TG +TT Genco- ρ +TG +TT Pm,- Pm,- D+M T F gpf gpf gpf gpf gpf4 gpf5 gpf gpf ζ Dico gpf4 gpf gpf gpf4 gpf gpf4 B Ki Controller α α R R ρ ρ +TG +TG Gencol- +T T Genco- +TT Pm,- Pm,- Pd d D+M T F gpf gpf4 gpf gpf4 gpf gpf5 gpf gpf6 ζ T شکل. سیستم دو ناحیهای تجدید ساختار یافته mi i Loc, j di, Loc, j j Lj i d P P P P mi di P j U Lj i P N T f i ij j j & j i P P i tie, i, ch N & i tie, i, ch nl m nl m P apf P apf P tie, i, ch ( l j )( z i ) ( z i ) ( i )( zl j ) L ( zl j ) l j i i j N m j i i i n, i i i gpf ( i )( z j t ) PLt j jt P, apf P,,,..., n m i i i di i. الگوریتم بهبودیافته اجتماع ذرات -- الگوریتم PSO در سال 99 Eberhart و Kennedy الگوریتم بهینهسازی اجتماع ذرات را به عنوان یک روش ابتکاری جدید با الهام از جستجوی گروهی غذا توسط پرندگان یا ماهیها معرفی کردند ]5[. در دهه اخیر توپولوژیهای متنوعی برای الگوریتم PSO مطرح شده است. از انواع توپولوژیهای 4

5 مطرحشده برای تبادل اطالعات بین ذرات در الگوریتم PSO میتوان همبندی ستارهایهای حلقهای و مربعی را نام برد ]4 [. شکل )5( نحوه ارتباط بین ذرات را در توپولوژیهای مختلف نشان میدهد. در هم بندی ستارهای در فضای جستجوی D بعدی بهترین موقعیت شخصی ذره i با ) p p ( p, p,..., و بهترین موقعیت گروه را با i i i id نمایش داده میشود. روابط سرعت و حرکت ذره i در لحظه یا تکرار بعد به شکل روابط )5( و )( به دست میآید ][. v ( t ) v ( t ) c rand ( p ( t ) x ( t )) c rand ( g ( t ) x ( t )) id id id id d id x ( t ) x ( t ) v ( t ) g g g g D (,,..., ) در رابطه فوق ω ضریب اینرسی ذره و c و c ضرایب فنری هوک یا ضرایب شتابند که معموال در مقدار 5 تنظیم میشوند. برای تصادفی کردن c ماهیت سرعت ضرایب c و در اعداد تصادفی rand و rand ضرب شدهاند. معموال در اجرای PSO مقدار ω به صورت خطی از یک تا iter min.iter نزدیکی صفر کاهش مییابد. به طور کلی ضریب اینرسی ω مطابق رابطه زیر تنظیم میشود ][. در رابطه )( iter بیشینه شماره تکرار iter شماره تکرار کنونی ω و ω min به ترتیب مقدار بیشینه و کمینه ضریب اینرسی میباشند. مقادیر سرعت ذره i در هر بعد از فضای جستجوی D بعدی در بازه [ v-[,+v محدود میشود تا v v i ω در 9 / و ω min در / تنظیم میشوند.]4[ احتمال ترک فضای جستجو توسط ذره کم شود. مقدار )الف( ساختار ستاره )ب( ساختار حلقهای )ج( ساختار مربعی شکل : توپولوژیهای مورد استفاده در الگوریتم PSO معموال طوری انتخاب میشود که v =x که در آن >>. میباشد. بطوریکه x طول جستجو را مشخص میکند ][. فلوچارت الگوریتم PSO بکار گرفتهشده در شکل) ( نشان داده شده است. 5-- الگوریتم بهبودیافته PSO-TVAC همانگونه که از الگوریتم اجتماع ذرات نشان داده شده است مهمترین مسئله برای افزایش کارایی الگوریتم تعیین مناسب ضرایب برای افزایش کارایی جستجوی بهینه محلی و کلی میباشد. در این الگوریتم پیشنهادی ω ضریب اینرسی ذره و روابط زیر به دست میآیند. وc c ضرایب فنری هوک یا ضرایب شتاب به ترتیب توسط ( ) ( ). min min C, where : v C { v (( c c ) c ) rand ( pbet x ) (( c c ) c ) rand ( gbet x )} pd pd f i i pd pd f i i gd pd c میباشد. c و c i, c f مقدار اولیه وانتهایی که در این رابطه تکرار فعلی کل تکرار c ضریب تنگی c,i c f مقدار اولیه و انتهایی جدول )( مقادیر انتخابشده برای این ضرایب در الگوریتم پیشنهادی را نشان میدهد. جدول. مقادیر انتخاب شده برای الگوریتم پیشنهادی Cf. wmin.4 Ci.5 w.9 Cf.5 population Ci. iteration 5 φ 4. 5

6 شروع PSOتعریف تابع هزینه و انتخاب متغیرهای الگوریتم تولید موقعیت اولیه در فضای جستجو و سرعت ذرات بصورت تصادفی و محاسبه تابع هزینه iter iter شرط همگرایی بله جواب خیر محاسبه بهترین تجربه شخصی هر ذره ( p i ) و محاسبه بهترین تجربه گروهی ذرات مقایسه بهترین تجربه شخصی هر ذره با تجربه فعلی و بروز کردن بهترین تجربه شخصی ذرات مقایسه بهترین تجربه گروهی ذرات باتجربه فعلی و بروز کردن بهترین بهترین تجربه گروهی ذرات محاسبه سرعت ذره وموقعیت بعدی هر ذره با بکارگیری رابطه سرعت v ( t ) v ( t ) c rand ( p ( t ) x ( t )) c rand ( g ( t ) x ( t )) id id id id d id (t )x و رابطه جابجایی x( t ) v( t) پایان شکل : فلوچارت الگوریتم PSO.4 تابع هدف و ایده کنترلی ایده جدید طراحی کنترلکننده فازی چند طبقه که به ازی تغییرات بار P L در سیستم قدرت انحراف فرکانس F را در حالت دینامیکی کاهش میدهد معرفی میشود. تابع هدف اولیه مبتنی بر تابع هدف ITAE بعالوه تابع جریمهای برای در نظر گرفتن محدودیتهای اشباع است. تابع هدف ITAE به صورت رابطه زیر میباشد f ( ITAE ) ITAE i t i ITAE t ACE i dt i همان گونه که شکل )4( نشان میدهد الگوریتم پیشنهادی بر روی سیستم مورد مطالعه اعمال شده و برای بهینه سازی رول به به کار میرود ]-[. PSO-TVAC یسهای کنترل کننده فازی Kd Fuzzyfy D di ζi ρi yref Fuzzyfy P PD Rule Bae PID Switch Rule Bae Defuzzify Nominal Model of Area i ACEi Ki/ Fuzzyfy I HF Controller PSO-TVAC baed fuzzy شکل 4. نحوه اعمال الگوریتم پیشنهادی بر روی سیستم نمونه نتایج به دست آمده برای سیستم مورد مطالعه در جدول زیر به دست آمده است. 6

7 جدول 5. نتایج به دست آمده برای PD NB NS PS PB NB NM NM NM ZO NS NB NB NB ZO Z PB PB PB PB PS PB PM NS NM PB PM NB NS NS جدول. نتایج به دست آمده برای سوییچ PID NB NS NM PB NB NM NS NB PB NS NB NM PB ZO Z PB NB PM PM PS NS PB PM NB 5. سناریو های اعمالی در مطالعات شبیهسازی دو سناریو مختلف بر اساس قرارداد منعقده فیمابین DISCOها و GENCOها در نظر گرفته شده است. در سناریو اول که قرارداد بر اساس معامالت ائتالفی است GENCOه یا هر ناحیه فقط در تنظیم بارDISCOه یا ناحیه خودشان مشارکت دارند. قرارداد مابین GENCOها و DISCOها در سناریو اول بر اساس ماتریس AGPM و ضرایب مشارکت GENCOها به صورت زیر میباشد AGPM, apf apf.5, apf apf سناریو دوم قرارداد بر اساس معامالت چند جانبه است. در این سناریو GENCOها عالوه بر مشارکت در تنظیم بار DISCOهای ناحیه خودشان در تنظیم بار DISCOهای ناحیه دیگر نیز میتوانند مشارکت داشته باشند. قرارداد مابین GENCOها و DISCOها در سناریو دوم بر اساس ماتریس AGPM و ضرایب مشارکت GENCOها به صورت زیر است AGPM, apf.75, apf.5, apf apf در مطالعات شبیهسازی فرض میشود که یک بار بزرگ معادل / پریونیت توسط هر DISCO تقاضا گردد. همچنین فرض میشود که عالوه بر قرارداد فیمابین DISCOها و GENCOها هر یک از نواحی کنترلی با اختالل بار تصادفی و% % به ترتیب در نواحی و 5 مواجه است. ITAE ( f به منظور نشان دادن کارآیی و مقاومت کنترلکننده پیشنهادی در برابر نامعینیهای سیستم قدرت از سه معیارعملکردی ) FD ( OS ( df ) ) ( US ( df ) ) ( T ( df )) t im ITAE ( f ) 5 t. df. dt, ITAE ( p) 5 t. dp. dt t ITAE ( P وFD به صورت زیر استفاده شده است: ) در رابطه فوق OS نقطه اوج US اولین نقطه اوج منفی و T زمان نشست پاسخ است. در FD زمان نشست با معیار %5 محاسبه شده است. im 6. نتایج شبیه سازی و آنالیز آنها 7

8 سناریوی اول: در این قسمت هر تولید کنندهای در انتخاب و برقراری قرارداد با هر شرکت توزیعی در هر ناحیهای آزاد میباشد. با کمک ماتریس مشارکت توزیع میتوان ترکیبی از قراردادهای بازار را مدلسازی نمود. در این مرحله فرض میکنیم که میزان بار تقاضا شده توسط هر یک از شرکته یا می باشد. در شکله یا توزیع که در ماتریس مشارکت توزیع سهم دارند تغییری معادل. pu داشته و ماتریس مشارکت توزیع نیز به صورت AGPM و 6 به ترتیب پاسخ فرکانسی و توان انتقالی سیستمرا نشان میدهد. نتایج بدست آمده براساس معیارهای معرفی شده در جدول 4 داده شده است. همانگونه که از نتایج نشان داده شده است روش پیشنهادی کارایی بهتری دارد..5.5 شکل 5 تغیرات فرکانس نواحی اول و دوم و تغییرات توان بین ناحیه ای به ازای پارامترهای نامی سیستم تحت سناریو دوم برای سه الگوریتم PSO )( الگوریتم (-----) GA و (.-.-.-).5.5 ΔF ΔF ΔP ΔF ΔF ΔP Time (ec) Time (ec) Time (ec) Time (ec) Time (ec) Time (ec) شکل 6 تغیرات فرکانس نواحی اول و دوم و تغییرات توان بین ناحیه ای به ازای %5 کاهش در پارامترهای نامعینی سیستم از مقدار نامی تحت سناریو دوم برای سه الگوریتم PSO )( الگوریتم (-----) GA و (.-.-.-) جدول 4- نتایج به دست آمده از شبیهسازی برای طراحی RPID برای سناریو دوم Change of parameter ITAE(Δf) ITAE(ΔP) FD/^5 PSO GA PSO GA PSO GA 5% % % % % nominal % % % % % کنترلکننده پیشنهادی دارای زمان نشست و اورشوت کمتری نسبت به سایر کنترلکنندههای طراحی شده است که با انتخاب بهینه شکل تابع عضویت در کنترلکننده پیشنهادی مقدار اورشوت و زمان نشست نیز به حداقل میرسد یعنی رفتار دینامیکی سیستم با کنترلکننده PSOMFPID بهبود مییابد. 8

9 خطای حالت در کنترلکنندههای هوشمند رضایتبخش بوده و دارای نوسانات و زمان نشست کمتری نسبت سایر کنترلکنندهها است. مطالعه شاخص- های عملکرد نشان دهنده رفتار مقاوم کنترلکنندههای هوشمند در برابر تغییر پارامترها و اغتشاشات بار است. سناریئ دوم: در این سناریو توان بیشتری ماورای قراداد منعقده فیمابین تقاضا نمایند. این توان تقاضا شده به صورت بار محلی در همان ناحیه منعکس میشود. برای شبیه سازی این حالت ماتریس AGPM سناریو 5 را در نظر میگیریم. فرض میکنیم بار مطابق قرداد هر DISCO برابر / پریونیت بوده و در ناحیه اول باری معادل /6 پریونیت و در ناحیه دوم باری معادل /4 ماورای قراداد منعقده تقاضا میگردد. شکل )7( تغییرات فرکانس نواحی شکل )8( تغییرات توان انتقالی بین نواحی را بازاء پارامترهای نامی سیستم نشان میدهد. مقدار توان انتقالی بین نواحی در حالت ماندگار مطابق برابر است با: Ptie,Sche=-.5 Ptie,Sche=, همچنین مقادیر واقعی و تولیدی هر GENCO در حالت ماندگار برابر است با: شکل) 7 ( تغییرات فرکانس Pm,-=.8 pu, Pm,-=.8 pu Pm,-=. pu, Pm,-=.7 pu Pm,-=.45 pu, Pm,-=.45 pu.5. F F Time (ec) a) b) Time (ec) FPID) (a ( PSOMFPID, MFPID, PSOFPID, فرکانس ناحیه اول (b فرکانس ناحیه دوم Ptie شکل) 8 ( تغییرات توان انتقالی بین نواحی( FPID ( PSOMFPID, MFPID, PSOFPID, Time (ec) Ptie کنترلکننده MFPID دارای زمان نشست و اورشوت کمتری نسبت به سایر کنترلکنندههای طراحی شده است که با انتخاب بهینه شکل تابع عضویت Time (ec) در کنترلکننده MFPID مقدار اورشوت و زمان نشست نیز به حداقل میرسد یعنی رفتار دینامیکی سیستم با کنترلکننده PSOMFPID بهبود می- یابد. خطای حالت در کنترلکنندههای هوشمند رضایتبخش بوده و دارای نوسانات و زمان نشست کمتری نسبت سایر کنترلکنندهها است. مطالعه شاخصهای عملکرد نشان دهنده رفتار مقاوم کنترلکنندههای هوشمند در برابر تغییر پارامترها و اغتشاشات بار است. جهت نشان دادن عملکرد مقاوم 9

10 کنترلکنندههای پیشنهادی در برابر تغییر پارامترهای سیستم معیارهای عملکرد برای سناریو مورد مطالعه با همدیگر مقایسه میگردند. جدول )( معیار ITAE و جدول )6( معیار عملکرد FD را نشان میدهد. FPID PID نوع کنترلکننده هوشمند جدول ) 5 (معیار ITAE MFPID 6/7 75/ 4/9 7/6 هوشمند 5 /8 درصدتغییر پارامترها نامی شماره تست / 5 /4 54 /4 5 /9 54 /8 5/6 55 /5 5/ / 5/ 7/8 6/5 7/6 7/5 8/5 8/4 9/ 9/5 / 9/4 76/7 7/8 78/ 7/8 8/4 76/ 84/ 8/4 88/9 88/7 4/5 46/5 47/ 45/7 44/6 69/6 449/9 76/6 454/4 6/5 /8 4/6 /9 /8 6/6 97/9 9/ 9/8 /7 86/5 جدول ) 6 (معیار FD نوع کنترلکننده درصدتغییر پارامترها شماره تست MFPID FPID هوشمند هوشمند PID نامی با مطالعه جداول و منحنیها در سناریو دوم مالحظه میشود که اورشوت تغییرات فرکانس با به کارگیری کنترلکنندههای هوشمند کمتر بوده و در برابر تغییر پارامترهای سیستم مقاوم میباشند..7 نتیجه گیری با گرایش تازه به سوی تجدید ساختار صنعت برق در رقابت بهرهبرداری از کنترل بار فرکانس سنتی دگرگون شده است. به طوری که در تجدید ساختار صنعت برق کنترل بار فرکانس به عنوان یک سرویس جانبی مطرح می شود. که ارایه این سرویس جانبی یکی از وظایف مهم اپراتور مستقل سیستم (ISO) میباشد. ثبات فرکانس یک سیستم قدرت بستگی به تعادل توان اکتیو دارد و از آنجا که فرکانس عامل مشترکی در سرتاسر سیستم است هر تغییری در تقاضای توان اکتیو یک نقطه به شکل تغییر فرکانس در سرتاسر سیستم منعکس میشود. که در این حالت نیاز به کنترل کنندهای جهت حذف تغییرات فرکانس میباشد. برخی از عناصر موجود در سیستم بار فرکانس از جمله محدودیت نرخ تولید به صورت غیرخطی میباشند و در پایداری سیستم نقش مهمی را ایفا میکنند در نظر گرفتن مدل عناصر غیرخطی شبیه سازی سیستم را به عملکرد سیستم واقعی نزدیک میکند. در سیستمهای تجدید ساختار شده ممکن است تبادل توان بین Dicoi و Gencoj وجود داشته باشد که این امر مستلزم عقد قرارداد بین شرکتهای

11 مختلف تولیدی و توزیع می باشد. کنترل کنندههای فازی در سیستم کنترل بار فرکانس به طور قابل توجهی به کار گرفته شدهاند. این نکته حایز اهمیت است که انتخاب بهرههای کنترلکننده که قادر باشند تا راندمان بهینهای را برای سیستم فراهم نمایند کار سادهای محسوب نمیشود. در عمل بهرههای کنترلکننده معموال با استفاده از تجارب اشخاص خبره و بر پایه تعدادی قواعد کلی استخراج میگردند که مبتنی بر آزمون سعی و خطا است و نیازمند درک و استنباط اطالعات سه بعدی است که کار پیچیدهای محسوب میشود بنابراین در این مقاله کنترلکننده چندطبقه فازی- اجتماع ذرات بهبود یافته پیشنهاد شده است. کنترلکننده پیشنهادی عالوهبر اینکه نیازمند اطالعات کمتری در طراحی است کارآیی مناسبی را در برخورد با رنج وسیعی از تغییر پارامترهای سیستم و اغتشاشات بزرگ بار از خود نشان میدهد. استفاده از الگوریتم اجتماع ذرات اصالح شده به عنوان یک روش جستجوی قدرتمند جهت بهینهسازی شکل تابع عضویت در کنترلکننده پیشنهادی کارآیی مناسبی دارد. 8. مراجع [] N. Jaleeli, D. N. Ewart, L. H. Fin., Feb 999, Undertanding automatic generation control, IEEE Tran. on Power ytem,, Vol. 7, No., pp. 6-. [] Y. Moon, H. Rye, B. Choi and B. Cho,999, Modified PID Load-Frequency Control with the Conideration of Valve Poition Limit, Proceeding of the IEEE PES, Vol., pp [] A. Khodabahhian and N. Golban, September 4, Unified PID deign for load frequency control, Proc. Inter.Conf. on Control Application, Vol., pp. 67-6, Taipei, Taiwan. [4] H. Ryu, K. Min, J. Lee and Y. Moon, July, Extended Integral baed Governor Control for Power Sytem Stabilization, Proceeding of the IEEE PES, Vol., pp [5] H. Shayeghi, A. Jalili and H. A. Shayanfar, Robut modified GA baed multi-tage fuzzy LFC, Energy Converion and Management, Vol. 48, 7, pp [6] Y. Shi, R. Eberhart, A modified particle warm optimizer, In IEEE Int. Conf. Evol. Computation Proc.., 998, pp [7] W.J. Tang, Q.H. Wu, J.R. Saunder, A bacterial warming algorithm for global optimization, in: Proceeding of the IEEE Congre for Evolutionary Computation (CEC 7), Singapore, 7. [8] W.J. Tang, Q.H. Wu, J.R. Saunder, A novel model for bacterial foraging in varying environment, in: Computational Science and It Application, vol. 98 of Lecture Note in Computer Science, Springer- Verlag, Berlin, 6, pp [9] B.B. Mangaraj, I.S. Mira, A.K. Barial, Optimizing included angle of ymmetrical V-dipole for higher directivity uing Bacteria Foraging Optimization Algo- rithm, Progre in Electromagnetic Reearch B (8) [] M. Aldeen, A freh approach to the LQR problem with application to power ytem, Proc. of Int. Power Engineering Conf., Singapore, Vol., PP , 99. [] Y. Y. Hu, W. C. Chan, Optimal variable tructure control of interconnected hydrothermal power ytem, Electric Power Energy, Vol.6, PP. -, 984. [] J. Kennedy, R. Eberhart., Particle warm optimization, Proc IEEE Int. Conf. Neural Networ., Vol. 69, 995, pp