دانشگاه سمنان

 آمار

تعداد نشریات21
تعداد شماره‌ها679
تعداد مقالات9,900
تعداد مشاهده مقاله70,086,474
تعداد دریافت فایل اصل مقاله49,387,647
شیرعلی, سیاوش, ذوالفقاری مقدم, سعید, علی‌اصغری, مرتضی. (1403). کنترل بار-فرکانس ریزشبکه هیبرید جزیره‌ای با استفاده از کنترل‌کننده فازی PID مرتبه کسری بهینه شده با الگوریتم Cheetah. هنرهای کاربردی, 22(78), 217-231. doi: 10.22075/jme.2024.30979.2474
سیاوش شیرعلی; سعید ذوالفقاری مقدم; مرتضی علی‌اصغری. "کنترل بار-فرکانس ریزشبکه هیبرید جزیره‌ای با استفاده از کنترل‌کننده فازی PID مرتبه کسری بهینه شده با الگوریتم Cheetah". هنرهای کاربردی, 22, 78, 1403, 217-231. doi: 10.22075/jme.2024.30979.2474
شیرعلی, سیاوش, ذوالفقاری مقدم, سعید, علی‌اصغری, مرتضی. (1403). 'کنترل بار-فرکانس ریزشبکه هیبرید جزیره‌ای با استفاده از کنترل‌کننده فازی PID مرتبه کسری بهینه شده با الگوریتم Cheetah', هنرهای کاربردی, 22(78), pp. 217-231. doi: 10.22075/jme.2024.30979.2474
شیرعلی, سیاوش, ذوالفقاری مقدم, سعید, علی‌اصغری, مرتضی. کنترل بار-فرکانس ریزشبکه هیبرید جزیره‌ای با استفاده از کنترل‌کننده فازی PID مرتبه کسری بهینه شده با الگوریتم Cheetah. هنرهای کاربردی, 1403; 22(78): 217-231. doi: 10.22075/jme.2024.30979.2474

کنترل بار-فرکانس ریزشبکه هیبرید جزیره‌ای با استفاده از کنترل‌کننده فازی PID مرتبه کسری بهینه شده با الگوریتم Cheetah

مدل سازی در مهندسی
دوره 22، شماره 78، آبان 1403، صفحه 217-231    اصل مقاله (1.61 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22075/jme.2024.30979.2474
نویسندگان
سیاوش شیرعلی1؛ سعید ذوالفقاری مقدم* 2؛ مرتضی علی‌اصغری2
1دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشکده فناوری‌های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران
2دانشیار، گروه مهندسی برق، دانشکده فناوری‌های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران
تاریخ دریافت: 28 خرداد 1402،  تاریخ بازنگری: 18 آذر 1402،  تاریخ پذیرش: 25 بهمن 1402 
چکیده
ریزشبکه هیبرید مفهوم جدیدی است که در دهه ­های اخیر و بر اساس نیاز سیستم­های قدرت تجدید ساختار یافته معرفی شده است. یکی از مهمترین چالش­های ریزشبکه در حالت جزیره­ای، تنظیم و تثبیت فرکانس است.
در این مقاله، یک کنترل­ کننده فازی PID مرتبه کسری برای تثبیت فرکانس معرفی شده است. وجود مرتبه ­کسری در سیستم کنترل کننده باعث بهبود پایداری و سرعت پاسخگویی کنترل­ کننده در شرایط مختلف می­شود. تعیین ضرایب کنترل کننده چالش مهمی محسوب می­شود که از روش­های مختلفی می­توان برای انجام آن استفاده نمود. در این تحقیق برای تعیین ضرایب کنترل­ کننده پیشنهادی، از الگوریتم بهینه ­سازی Cheetah استفاده شده است. این الگوریتم دارای قابلیت­های مهمی از جمله: جلوگیری از همگرایی زودرس و عدم گرفتاری در بهینه محلی است که باعث تمایز آن نسبت به سایر الگوریتم­ها می­شود. لازم به ذکر است که ساختار کنترلی بکار گرفته شده از نوع کنترل متمرکز می­باشد؛ به گونه­ای که سیگنال کنترلی به واحدهای منابع ذخیره انرژی و دیزل ژنراتور ارسال می­گردد. برای مدلسازی دقیق­تر منابع ذخیره انرژی، بلوک­های محدود کننده در خروجی این منابع لحاظ شده است. برای ارزیابی عملکرد کنترل­ کننده پیشنهادی، نتایج حاصل از آن با کنترل­ کننده ­های دیگری مانند PID کلاسیک، PID  مرتبه کسری و فازی PID بهینه شده با دیگر الگوریتم-های بهینه­ سازی مانند GA،  PSO و SCA با در نظر گرفتن چندین معیار اندازه­ گیری خطا شامل: IAE، ISE، ITAE و ITSE مقایسه گردیده است. نتایج بدست آمده نشان می­دهد که کنترل­ کننده پیشنهادی با داشتن کمترین مقدار خطا و بیشترین سرعت همگرایی، دارای عملکرد مطلوب و قابل قبول نسبت به دیگر کنترل کننده های ذکر شده می­باشد.
کلیدواژه‌ها
کنترل بار-فرکانس؛ ریزشبکه هیبرید جزیره‌ای؛ کنترل‌کننده فازی PID مرتبه‌کسری؛ الگوریتم بهینه‌ساز Cheetah
عنوان مقاله [English]
Load-Frequency Control of a Hybrid Islanded Microgrid with a Fractional Order Fuzzy PID Controller Optimized by Cheetah Algorithm
نویسندگان [English]
Siavash Shirali1؛ Saeed Zolfaghari Moghaddam2؛ Mortaza Ali Asghary2
1MSc, Department of Electrical Engineering, Faculty of Industrial Technologies, Urmia University of Technology, Urmia, Iran.
2Associate Professor, Department of Electrical Engineering, Faculty of Industrial Technologies, Urmia University of Technology, Urmia, Iran.
چکیده [English]
Hybrid microgrid is a new concept that has been introduced in recent decades based on the needs of power systems. One of the most important challenges of the islanded microgrid is frequency regulation. In this paper, a fractional order fuzzy PID controller is introduced to stabilize the frequency. The presence of a fractional order in the controller system improves the stability and response speed of the controller in different conditions. Determining the controller coefficients is an important challenge that can be done using different methods. This paper uses Cheetah optimization algorithm because of its important features such as: preventing premature convergence and not getting stuck in the local optimum, which differentiates it from other algorithms. It should be noted that the structure of the proposed controller is a centralized control type, in which the control signal is sent to the units of energy storage sources and diesel generator. For more accurate modeling of energy storage resources, limiting blocks are included in the output of these resources. To evaluate the performance of the proposed controller, its results have been compared with other controllers, namely: classic PID, fractional order PID and fuzzy PID controllers optimized with other optimization algorithms such as PSO, SCA and GA, using several criteria including: IAE, ISE, ITAE and ITSE. The results show that the proposed controller has the lowest error in terms of error measurement criteria and the highest speed of convergence, with optimal and acceptable performance relative to other controllers are mentioned.
.
کلیدواژه‌ها [English]
Load frequency control, Hybrid islanded microgrid, Fractional order fuzzy PID controller, Cheetah optimizer algorithm
مراجع
  1. Chandel, J. Ulamai, and A.J. Irani. "Frequency load control based on the improved phase controller in a microgrid with the presence of thermoelectric." Scientific-Research Journal of Energy Engineering and Management 12. no. 2 (2022): 26-37. (in Persian)
  2. Amiriو and A. Hatami. "Microgrid Load-Frequency Control Based on Nonlinear Model Using Fractional-Order PID Method Optimized with HCRPSO-PS Hybrid Algorithm." Journal of Iranian Electrical and Electronic Engineering Association 17. no. 2 (2019): 135-148. (in Persian)
  3. N.H. Shazon, and A. Jawad. "Frequency control challenges and potential countermeasures in future low-inertia power systems: A review." Energy Reports 8 (2022): 6191-6219.
  4. S. Rajesh, S.S. Dash, and R. Rajagopal. "Load frequency control of microgrid: A technical review." Green Buildings and Sustainable Engineering: Proceedings of GBSE (2020): 115-138.
  5. J. Veronica, N.S. Kumar, and F. Gonzalez-Longatt. "Design of load frequency control for a microgrid using D-partition method." International Journal of Emerging Electric Power Systems 21. no. 1(2020): 20190175.
  6. Jampeethong, and S. Khomfoi. "Coordinated control of electric vehicles and renewable energy sources for frequency regulation in microgrids." IEEE Access 8 (2020): 141967-141976.
  7. H. Soliman, H.E. Talaat, and M.A. Attia. "Power system frequency control enhancement by optimization of wind energy control system." Ain Shams Engineering Journal 12. no. 4(2021):3711-3723.
  8. Al-Hinai, H. Alyammahi, and H.H. Alhelou. "Coordinated intelligent frequency control incorporating battery energy storage system, minimum variable contribution of demand response, and variable load damping coefficient in isolated power systems." Energy Reports 7 (2021): 8030-8041.
  9. Khokhar, S. Dahiya, and K.S. Parmar. "Load frequency control of a microgrid employing a 2D Sine Logistic map based chaotic sine cosine algorithm." Applied Soft Computing 109 (2021): 107564.
  10. A. Mohamed, E. Gouda, and Y. Mitani. "Impact of SMES integration on the digital frequency relay operation considering High PV/Wind penetration in micro-grid." Energy Procedia 157 (2019): 1292-1304.
  11. Magdy, G. Shabib, A.A. Elbaset, T. Kerdphol, Y. Qudaih, H. Bevrani, and Y. Mitani. "Tustin's technique based digital decentralized load frequency control in a realistic multi power system considering wind farms and communications delays." Ain Shams Engineering Journal 10. no. 2 (2019): 327-341.
  12. E. Khalil, T.A. Boghdady, M.H. Alham, and D.K. Ibrahim. "Enhancing the Conventional Controllers for Load Frequency Control of Isolated Microgrids Using Proposed Multi-Objective Formulation Via Artificial Rabbits Optimization Algorithm." IEEE Access 11 (2023): 3472-3493.
  13. Çelik, M.T. Özdemir, and K.Y. Lee. "Effects of fractional-order PI controller on delay margin in single-area delayed load frequency control systems." Journal of Modern Power Systems and Clean Energy 7. no. 2 (2019): 380-389.
  14. Amiri, and M.H. Moradi. "A new control strategy for controlling isolated microgrid." Engineering and Energy Management 10. no. 4 (2023): 60-73.
  15. K. Pathak, A.K. Yadav, S.Padmanaban, and I. Kamwa. "Fractional Cascade LFC for Distributed Energy Sources via Advanced Optimization Technique Under High Renewable Shares." IEEE Access 10 (2022): 92828-92842.
  16. R. Chen, G.Q. Zeng, Y.X. Dai, K.D. Lu, and D.Q. Bi. "Fractional-order model predictive frequency control of an islanded microgrid." Energies 12. no. 1 (2018): 84.
  17. Ali, G. Magdy, B. Li, G. Shabib, A.A. Elbaset, D. Xu, and Y. Mitani. "A new frequency control strategy in an islanded microgrid using virtual inertia control-based coefficient diagram method." IEEE Access 7 (2019): 16979-16990.
  18. Fathi, Q. Shafiee, and H. Bevrani. "Robust frequency control of microgrids using an extended virtual synchronous generator." IEEE Transactions on Power Systems 33. no. 6 (2018): 6289-6297.
  19. Kumar, H.D. Mathur, S. Bhanot, and R.C. Bansal. "Modeling and frequency control of community micro-grids under stochastic solar and wind sources." Engineering Science and Technology. an International Journal 23. no. 5 (2020): 1084-1099.
  20. Zou, J. Qian, Y. Zeng, S. Ismail, F. Dao, Z. Feng, C. Nie, and H. Mei. "Optimized Robust Controller Design Based on CPSOGSA Optimization Algorithm and H 2/H∞ Weights Distribution Method for Load Frequency Control of Micro-Grid." IEEE Access 9 (2021): 162093-162107.
  21. Shojaee, and S.M. Azizi. "Decentralized Robust Controller Design for Strongly Interconnected Generators." IEEE Access 11 (2023): 16085-16095.
  22. Rafiee, Y. Batmani, F. Ahmadi, and H. Bevrani. "Robust load-frequency control in islanded microgrids: Virtual synchronous generator concept and quantitative feedback theory." IEEE Transactions on Power Systems 36. no. 6 (2021): 5408-5416.
  23. S.K. Akula, and H. Salehfar. “Frequency control in microgrid communities using neural networks.”  In 2019 North American Power Symposium (2019): 1-6.
  24. Kumar, H.D. Mathur, S. Bhanot, and R.C. Bansal. "Forecasting of solar and wind power using LSTM RNN for load frequency control in isolated microgrid." International Journal of Modelling and Simulation 41. no. 4 (2021): 311-323.
  25. Safari, F. Babaei, and M. Farrokhifar. "A load frequency control using a PSO-based ANN for micro-grids in the presence of electric vehicles." International Journal of Ambient Energy 42. no. 6 (2021): 688-700.
  26. Kerdphol, M. Watanabe, K. Hongesombut, and Y. Mitani. "Self-adaptive virtual inertia control-based fuzzy logic to improve frequency stability of microgrid with high renewable penetration." IEEE Access 7 (2019): 76071-76083.
  27. E.Y. Kouba, M. Menaa, M. Hasni, and M. Boudour. "A new robust fuzzy-PID controller design using gravitational search algorithm." International Journal of Computer Aided Engineering and Technology 11. no. 3 (2019): 331-360.
  28. Nayak, S.K. Kar, S.S. Dash, P. Vishnuram, S.B. Thanikanti, and B. Nastasi. "Enhanced Salp Swarm Algorithm for Multimodal Optimization and Fuzzy Based Grid Frequency Controller Design." Energies 15. no. 9 (2022): 3210.
  29. Mohanty, and S. Panda. "A modified moth flame optimization technique tuned adaptive fuzzy logic PID controller for frequency regulation of an autonomous power system." International Journal of Sustainable Energy 40. no. 1 (2021): 41-68.
  30. Khokhar, S. Dahiya, and K.S. Parmar. "A novel hybrid fuzzy PD-TID controller for load frequency control of a standalone microgrid." Arabian Journal for Science and Engineering 46 (2021): 1053-1065.
  31. Mahto, H. Malik, V. Mukherjee, M.A. Alotaibi, and A. Almutairi. "Renewable generation-based hybrid power system control using fractional order-fuzzy controller." Energy Reports 7 (2021): 641-653.
  32. Mohanty, and S. Panda. "Modified salp swarm algorithm-optimized fractional-order adaptive fuzzy PID controller for frequency regulation of hybrid power system with electric vehicle." Journal of Control, Automation and Electrical Systems 32. no. 2 (2021): 416-438.
  33. Sahoo, R.K. Sahu, N.R. Samal, and S. Panda. "Analysis of type-2 fuzzy fractional-order PD-PI controller for frequency stabilisation of the micro-grid system with real-time simulation." International Journal of Sustainable Energy 41. no. 5 (2022): 412-433.
  34. Jekan, and C. Subramani. "The performance analysis of type-2 fuzzy fractional-order tilt integral derivative controller with enhanced Harris hawks optimization." Transactions of the Institute of Measurement and Control 43. no. 12 (2021): 2818-2834.
  35. K. Govindaraju, and R. Sivalingam. "Design, analysis, and real‐time validation of type‐2 fractional order fuzzy PID controller for energy storage–based microgrid frequency regulation." International Transactions on Electrical Energy Systems 31. no. 3 (2021): 12766.
  36. C. Sahu, R.C. Prusty, and S. Panda. "Improved-GWO designed FO based type-II fuzzy controller for frequency awareness of an AC microgrid under plug in electric vehicle." Journal of Ambient Intelligence and Humanized Computing 12 (2021): 1879-1896.
  37. A. Akbari, M. Zare, R. Azizipanah-Abarghooee, S. Mirjalili, and M. Deriche. "The cheetah optimizer: A nature-inspired metaheuristic algorithm for large-scale optimization problems." Scientific Reports 12. no. 1(2022): 10953.
  38. Akbari-Majd, H. Shayqi, H. Mohammadnejad, and A. Younisi. "Frequency Load Adaptive Resistive Controller Based on Reinforcement Learning for an Interconnected Power System Including SMES." Electrical Engineering Journal of Tabriz University 47. no. 2 (2016): 381-390. (in Persian)
  39. S. "Evolutionary Algorithms and Neural Networks: Theory and Applications.” Springer (2018).
  40. S. Mirjalili. "SCA: a sine cosine algorithm for solving optimization problems." Knowledge-Based Systems 96 (2016): 120-133.
آمار
تعداد مشاهده مقاله: 663
تعداد دریافت فایل اصل مقاله: 557


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب