کنترل افتی تطبیقی مبتنی بر امپدانس مجازی به منظور بهبود تسهیم توان راکتیو در ریزشبکه های اینورتری
Publish place: Journal of Energy Engineering & Management، Vol: 9، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 275
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-9-1_003
تاریخ نمایه سازی: 29 آبان 1401
Abstract:
با توجه به پیشرفت های اخیر در زمینه الکترونیک قدرت، ریزشبکه های مبتنی بر منابع پراکنده با واسط های الکترونیک قدرت در حال گسترش هستند. یکی از روش های متداول تسهیم توان بین این منابع در یک ریزشبکه جزیره ای، استفاده از کنترل افتی است. اما به دلیل اختلاف امپدانس خطوط، تسهیم توان راکتیو با استفاده از این روش دقیق نبوده و منجر به اضافه بار در برخی از منابع می شود. برای رفع این مشکل، در این مقاله روشی ارائه شده است که بر پایه استفاده از مشخصه های افتی مرسوم شکل گرفته و از پتانسیل امپدانس مجازی در سیستم کنترل منابع پراکنده استفاده می کند. افت ولتاژ ایجادشده توسط امپدانس مجازی، منجر به افزایش دقت تسهیم توان راکتیو بین منابع خواهد شد. برای تولید امپدانس مجازی مناسب، کنترل کننده های محلی هریک از منابع با استفاده از یک لینک مخابراتی با پهنای باند کم، اطلاعات مورد نیاز را با مرکز مدیریت ریزشبکه مبادله می کنند. سپس با استفاده از مشخصه افتی امپدانس مجازی-توان راکتیو پیشنهادی در سیستم کنترل منابع، مقدار امپدانس مجازی هر منبع متناسب با بار ریزشبکه و ظرفیت منبع تعیین می شود. با توجه به تغییرات بار در ریزشبکه، شیب مشخصه پیشنهادی به صورت تطبیقی تنظیم می شود. برای تایید کارایی روش پیشنهادی، سناریوهای مختلفی در ریزشبکه تست ولتاژ کم شبیه سازی می شوند.
Keywords:
Authors
محمد شهرکی
Smart Microgrid Research Center, Najafabad Branch, Islamic Azad University, Najafabad ۸۵۱۴۱-۴۳۱۳۱, Iran
بهادر فانی
Smart Microgrid Research Center, Najafabad Branch, Islamic Azad University, Najafabad ۸۵۱۴۱-۴۳۱۳۱, Iran
ایمان صادق خانی
Smart Microgrid Research Center, Najafabad Branch, Islamic Azad University, Najafabad ۸۵۱۴۱-۴۳۱۳۱, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :