کنترل غیرخطی ریزشبکه هیبریدی DC بر پایه هوش مصنوعی جهت بهبود پایداری دینامیکی و جریان توان دوسویه

منابع تولید قدرت معمول به سرعت در حال تحلیل رفتن هستند و بخش قدرت جهان به سمت منابع انرژی تحدیدپذیر حرکت می کند. در این مقاله کنترل غیرخطی برای ریز شبکه DC یا همان DCMG مبتنی بر سیستم ذخیره سازی انرژی تجدیدپذیر و انرژی ترکیبی (HESS) ارائه شده است. انرژی فتوولتائیک و بادی منابع انرژی تجدیدپذیر هستند. در حالی که سلول سوختی، باتری و ابر خازن HESS را تشکیل می دهند. مدل ریاضی عام سیستم گفته شده ارائه شده است. مجموعه داده های تابش خورشیدی و دمای متغیر با شبکه عصبی مصنوعی برای تولید ولتاژ مرجع فتوولتائیک آموزش داده شده است. کنترل کننده حالت لغزش پایانه یکپارچه (ITSMC) برای تنظیم ولتاژ باس DC خروچی پیشنهاد شده است. معیار پایداری لیایونوف پایداری کلی سیستم را تصمین کردهاست. یک مقایسه از ITSMC با SMC کنترل کننده بازطراحی لیایونوف هم ارائه شده است. شارژ کننده خودرو برفی متصل به شبکه با حالت های شبکه به خودرو (G۲V) و خودرو به شبکه (V۲G) که از کاربردهای DCMG است، ارائه شده است. سیستم پیشنهادی با استفاده از MATLAB/Simulink اعتبار سنحی شده است. به علاوه، ساخت افزار در محموعه حلقه برای مشاهده قابلیت کاربرد زمان واقعی کنترل کننده پیشنهاد استفاده شده است.

کنترل غیرخطی ریزشبکه هیبریدی DC بر پایه هوش مصنوعی جهت بهبود پایداری دینامیکی و جریان توان دوسویه Keywords:

ریز شبکه (MG) , سیستم ذخیره سازی انرژی ترکیبی , کنترل حالت لغزش پایانه یکپارچه , مبدل های DC , DC , خودروی الکتریکی باتری دار (BEV) , سخت افزار در حلقه (HIL)