Nouvelles

Aug 29, 2023

Type d'intervalle accordé PSO

Rapports scientifiques volume 13,

Rapports scientifiques volume 13, Numéro d'article : 8724 (2023) Citer cet article

169 accès

Détails des métriques

De nos jours, la plupart des systèmes électriques modernes intègrent des centrales électriques à concentration de ressources d'énergie renouvelable telles que des parcs solaires et éoliens en plus des centrales conventionnelles. La puissance de sortie de ces ressources énergétiques renouvelables concentrées varie en permanence en fonction des conditions météorologiques telles que la valeur de l'irradiance solaire ou la vitesse et la direction du vent, la variation de leur puissance de sortie peut être en mégawatts. Dans ce travail, un contrôleur de fréquence de charge secondaire robuste (LFC) basé sur l'une des techniques d'intelligence artificielle appelée contrôleur à logique floue d'intervalle de type 2 (IT2FLC) a été proposé pour un système d'alimentation interconnecté multi-sources à deux zones avec des centrales solaires centrales. dans chaque zone tout en tenant compte des non-linéarités du système électrique. IT2FLC s'est adapté à l'imprécision, aux distorsions et à l'imprécision des signaux d'entrée du système d'alimentation qui sont causées par les fluctuations météorologiques et les non-linéarités du système. En plus du LFC, un autre contrôleur basé également sur IT2FLC a été proposé pour contrôler la puissance de sortie des parcs solaires centraux dans chaque zone de production pendant les périodes nuageuses au lieu de la méthode de suivi du point de puissance maximale (MPPT) afin d'améliorer la stabilité pour le système électrique pendant les périodes de perturbation. Afin d'améliorer les performances du LFC proposé, la technique d'optimisation de l'essaim de particules (PSO) a été utilisée pour optimiser les gains LFC proposés afin de minimiser l'erreur d'état stable, la valeur de sur/sous-tir, le temps de stabilisation et l'oscillation du système pour le système d'alimentation étudié. fréquence. Les performances et la supériorité de l'IT2FLC proposé réglé sur PSO sont évaluées et comparées à un autre LFC basé sur un contrôleur PID en cascade réglé sur PSO tout en appliquant une charge de demande sévère et des changements d'irradiance solaire. la simulation a été réalisée à l'aide du programme matlab/simulink.

La plupart des réseaux intelligents récents utilisent des ressources d'énergie renouvelable à grande échelle, telles que des centrales photovoltaïques à grande échelle, également appelées parcs solaires. Ces parcs solaires sont centralisés et fournissent l'électricité au niveau des services publics en plusieurs mégawatts1,2, contrairement aux bâtiments de production distribuée montés sur le toit. Panneaux photovoltaïques qui produisent de l'électricité à petite échelle au niveau de la demande et de taille limitée3,4. L'électricité produite par les parcs solaires se caractérise par une grande puissance de sortie, mais également une puissance dépendante de l'irradiance solaire qui varie fortement pendant les périodes nuageuses ou les fluctuations météorologiques5,6.

D'autre part, du côté de la demande, les charges de demande importantes des réseaux intelligents, telles que les bornes de recharge pour véhicules électriques publics (VE), ont augmenté, ce qui représente près de 5 % de la charge de demande totale des États-Unis7. Ces charges de bornes de recharge pour VE sont caractérisées comme une charge de demande importante, variable et imprévisible8.

De tous les problèmes de réseaux intelligents susmentionnés du côté des services publics et de la demande, la fréquence du système électrique dans les réseaux intelligents est perturbée par de graves changements dans la puissance générée au niveau des services publics en raison de l'intégration de parcs solaires ainsi que par de graves changements de charge de la demande dus à l'augmentation du nombre de Bornes de recharge pour VE.

Plusieurs études ont été menées afin de proposer un contrôleur de fréquence de charge robuste pour les systèmes électriques interconnectés. Ces études ont proposé des contrôleurs classiques comme les contrôleurs PI, PID et PID en cascade, mais d'autres études ont proposé des contrôleurs modernes basés sur des techniques intelligentes artificielles comme le système de logique floue et les réseaux de neurones pour remplacer complètement la méthode des contrôleurs classiques tandis que d'autres ont proposé des contrôleurs hybrides qui combinent classique et moderne. méthodes de contrôleur telles que les contrôleurs adaptatifs programmés de gain, les contrôleurs PI flous et les contrôleurs PID flous. In9, le contrôleur PID accordé PSO a été appliqué comme contrôleur de fréquence pour un système d'alimentation interconnecté à deux zones où le contrôleur proposé a obtenu moins de pic de dépassement et de temps de stabilisation par rapport aux contrôleurs PI et PID conventionnels pour différents scénarios de changements de charge de la demande. In10, un contrôleur 2DOF-PID accordé par l'algorithme Firefly (FA) a été proposé comme contrôleur de fréquence de charge pour un système d'alimentation à deux zones où la simulation de deux scénarios différents de modification de la charge de la demande dans chaque zone de production a été effectuée afin de prouver la supériorité de le contrôleur proposé sur le contrôleur PID réglé FA. Une nouvelle approche a été proposée en11 en ajoutant un gain proportionnel pour la rétroaction interne du contrôleur PID qui a appelé le contrôleur PID-P à être LFC pour un système d'alimentation multi-sources à deux zones tandis que les gains du contrôleur proposé ont été optimisés à l'aide de la technique PSO, la supériorité du contrôleur proposé a été étudiée par rapport à d'autres contrôleurs comme le contrôleur PID réglé par algorithme génétique (GA) et le contrôleur 2DOF-PID. En 12, les gains PID ont été ajustés à l'aide de l'algorithme d'optimisation chaotique basé sur la carte lozi (LCOA) pour une nouvelle fonction objectif proposée, une étude comparative a été réalisée entre le contrôleur proposé et d'autres techniques d'optimisation du contrôleur PID comme GA, PSO et le recuit simulé (SA) où la technique proposée a fourni de meilleures performances que les autres techniques. Un contrôleur à logique floue de type 1 (T1FLC) a été proposé en 13 comme LFC principal pour un système d'alimentation à deux zones intégrant une centrale électrique à parc solaire et une batterie à flux d'oxydation à réduction (RFB) comme source d'alimentation active rapide pendant la perturbation, le contrôleur proposé a de meilleures performances par rapport au contrôleur PID lors de fortes demandes de charge et de changements d'irradiance solaire. En 14, T1FLC a été proposé pour agir en tant que LFC pour un système d'alimentation à deux zones avec contrôleur de flux de puissance interligne (IPFC) tandis que les gains pour le contrôleur proposé ont été contrôlés par le contrôleur PI, le contrôleur proposé ainsi que l'IPFC ont contribué à améliorer le la stabilité du système d'alimentation et la réduction de l'oscillation du système. L'algorithme d'optimisation des baleines (WOA) réglé IT2FLC a été proposé en15 pour un système d'alimentation à deux zones avec un déphaseur contrôlé par thyristor (TCPS) dans la ligne de liaison en tant que contrôleur de flux de puissance, le contrôleur proposé a amélioré les performances dynamiques du système d'alimentation par rapport à T1FLC parce que IT2FLC a géré l'incertitude du signal de retour. En 16, l'algorithme de colonie d'abeilles artificielles réglé T1FLC a été proposé afin de contrôler la puissance active de réserve de l'éolienne lors des changements de charge de la demande dans le système d'alimentation du micro-réseau où la puissance active de réserve est la différence entre la puissance de sortie maximale de l'éolienne et la de- la puissance de la turbine chargée tandis que le contrôleur proposé a amélioré les performances dynamiques pour la vitesse du rotor de la turbine, le comportement de l'angle de tangage et la fréquence globale du système de micro-réseau. L'IT1FLC adaptatif optimal a été proposé en 17 pour contrôler la puissance de sortie déchargée du panneau PV dans le système d'alimentation du micro-réseau lors de fortes perturbations de la charge de la demande, tandis que la robustesse du contrôleur proposé a été étudiée par rapport aux incertitudes des paramètres du système d'alimentation, le contrôleur proposé a considérablement amélioré la réponse en fréquence en diminuant la déviation de fréquence ainsi que le temps de stabilisation du système.

Afin de stabiliser la fréquence du système électrique en raison des perturbations générées du côté du service public ou de l'alimentation, un contrôleur de fréquence de charge robuste doit être utilisé dans le système électrique pour contrôler la production des centrales électriques conventionnelles ainsi que pour contrôler la puissance de sortie des ressources énergétiques renouvelables. Ce contrôleur doit réaliser ce qui suit :

Réglementer la puissance de sortie générée par les centrales électriques conventionnelles telles que les centrales thermiques, hydroélectriques et les stations-service tout en tenant compte des non-linéarités dans son modèle telles que la contrainte de taux de production (GRC) et la bande morte des gouverneurs (GDB).

Préserver les niveaux d'écart de fréquence dans les limites de performance standard du contrôleur (CSP)18.

Maintenir la puissance d'échange (puissance de ligne de liaison) entre les zones de production dans les limites des valeurs préprogrammées.

Contrôler la puissance de sortie du parc solaire dans chaque zone de production pendant les périodes nuageuses afin de stabiliser le système électrique pendant ces périodes.

Maintient la stabilité du système d'alimentation contre les changements de charge de demande sévères comme la demande des bornes de recharge EV ou les pannes de courant de charges de demande importantes dues à une défaillance des lignes de transmission.

La plupart des contrôleurs classiques tels que (PI, PID ou PID en cascade) ne peuvent pas gérer les problèmes de fréquence du système dans les systèmes d'alimentation modernes sans un réglage adaptatif continu pour ses gains en raison de plusieurs raisons telles que l'imprécision des signaux d'entrée du contrôleur dans les systèmes d'alimentation modernes, les incertitudes des paramètres du système d'alimentation et le non -linéarités dans ces systèmes d'alimentation comme GRC et GDB.

Dans ce travail, IT2FLC a été proposé comme LFC pour un système d'alimentation interconnecté à deux zones sans contrôleur de flux de puissance dans la ligne de liaison, comme illustré à la Fig. 1, tandis qu'un autre IT2FLC a été proposé pour contrôler la puissance de sortie de la station de parc solaire pendant les périodes de perturbation nuageuses. IT2FLC est l'une des techniques intelligentes artificielles qui peuvent être utilisées comme systèmes d'alimentation LFC. Il existe de nombreuses raisons qui rendent IT2FLC supérieur aux contrôleurs classiques tels que :

C'est un contrôleur robuste où la précision des entrées n'est pas nécessaire15.

En général, les systèmes de logique floue sont capables de résoudre des problèmes complexes car ils ressemblent à la pensée humaine13.

IT2FLC peut mieux gérer les incertitudes et les distorsions des signaux d'entrée que T1FLC19.

Flexibilité et simplicité de modification de la structure et des performances du contrôleur en ajoutant ou en supprimant la base de règles20.

Système d'alimentation étudié multi-sources à deux zones.

Comme l'une des meilleures techniques d'optimisation qui a été utilisée avec les problèmes LFC11,13,15, PSO a été proposé dans ce travail pour optimiser les gains IT2FLC afin d'améliorer les performances du contrôleur proposé. Le PSO est une technique méta-heuristique inspirée par le mouvement d'essaims comme des oiseaux ou des bancs de poissons lors de la recherche de nourriture21. Cette technique optimise la solution d'un problème en supposant un certain nombre de solutions candidates qui s'appellent aussi des particules, ces particules se déplacent selon une fonction mathématique autour de l'espace de recherche tandis que chaque particule change sa position et sa vitesse vers le meilleur essaim ou position globale pour chaque itération de recherche22. Pour les espaces de recherche de petite dimension comme l'optimisation des gains du contrôleur proposé dans ce travail, PSO a l'avantage sur d'autres techniques d'optimisation méta-heuristique comme GA, WOA ou GWO où il converge rapidement vers la meilleure solution globale tout en ajustant un petit nombre de paramètres23 .

La supériorité du contrôleur proposé sera étudiée par rapport aux performances du contrôleur PID-P accordé PSO proposé en 11 pour le même système d'alimentation étudié illustré à la Fig. 1 tout en appliquant des changements sévères pour la charge de demande et les niveaux d'irradiance solaire. L'amélioration des performances du contrôleur proposée en raison de l'ajout d'une source d'alimentation active rapide comme RFB sera étudiée dans la section de simulation par rapport aux performances du système sans stabilisateur de fréquence.

Le système d'alimentation multi-sources à deux zones étudié a été introduit en11,13,15. Le système électrique a deux zones de production, chaque zone de production a plusieurs unités de production. La zone 1 a respectivement des centrales à vapeur de réchauffage, hydroélectriques et éoliennes tandis que la zone 2 a respectivement des centrales à vapeur de réchauffage, hydroélectriques et diesel. Le RFB en tant que stabilisateur de fréquence a été dimensionné pour le système d'alimentation étudié in13 et centré dans la zone 1 afin d'absorber ou de décharger la puissance instantanément pendant les périodes de perturbation causées par la demande de charge ou les changements sévères d'irradiance solaire car la constante de temps typique pour le RFB n'est que de 0,5 ms .24. Les deux zones de production sont interconnectées par une ligne de raccordement. En plus de la tâche principale du LFC proposé pour contrôler la fréquence du système électrique, la ligne de liaison dans le système électrique étudié n'a pas de contrôleur de flux de puissance, ce qui augmente l'importance de la robustesse du LFC afin de préserver la puissance partagée de la ligne de liaison. entre les zones de production dans les limites de ses valeurs préprogrammées. La centrale électrique du parc solaire a été intégrée dans chaque zone de production avec une capacité de puissance active de 10 % de la puissance de base du système électrique. Dans des conditions de fonctionnement normales, le suivi du point de puissance maximale (MPPT) contrôle l'onduleur principal du parc solaire.

Afin de maximiser la puissance de sortie du parc solaire. En revanche, maximiser la puissance de sortie du parc solaire pendant les perturbations ou les périodes nuageuses peut affecter la stabilité du système électrique. Par conséquent, dans 13 et 15, des contrôleurs de parc solaire basés respectivement sur T1FLC et IT2FLC ont été proposés pour contrôler la puissance de sortie du parc solaire pendant les périodes de perturbation causées soit par des changements de charge de demande sévères, soit par des changements d'irradiance solaire. Le contrôleur de parc solaire proposé in15 basé sur IT2FLC a été utilisé dans ce travail pour contrôler les centrales de parc solaire intégrées dans les zones 1 et 2.

En se référant à la Fig. 1, toute modification de la charge de demande de la zone 1 (\(P_{D1}\)) ou de la charge de demande de la zone 2 (\(P_{D2}\)) ou des deux crée un déséquilibre entre le système d'alimentation la puissance générée et la charge de la demande qui, par conséquent, affectent la fréquence du système électrique global et pas seulement la fréquence de la zone qui subit ce changement dans la charge de la demande en raison de la ligne de raccordement qui interconnecte les zones de production du système électrique.

L'erreur de contrôle de zone (\(ACE\)) est définie comme la quantité de puissance générée qui doit être augmentée ou diminuée à partir d'une certaine zone afin de maintenir l'équilibre entre la puissance générée et la demande de charge. \(ACE\) pour le système d'alimentation étudié peut être exprimé mathématiquement comme dans les équations. (1,2) pour l'erreur de contrôle de zone dans la zone-1 et la zone-2 respectivement :

où \(B_{1}\) et \(B_{2}\) sont des capteurs de polarisation de fréquence pour la zone-1 et la zone-2 respectivement tandis que \(\Delta P_{tie12}\) est la puissance partagée à travers la tie- ligne entre les zones de production.

Le déséquilibre entre la production et la demande dans les systèmes électriques qui intègrent des ressources renouvelables peut également être causé par les changements dans l'énergie produite à partir de ces ressources renouvelables comme les parcs solaires, les deux changements dans la charge de la demande ou la puissance générée créent \(ACE\) dans les deux zones. Le LFC proposé dans chaque zone est chargé d'augmenter ou de diminuer la puissance générée dans sa zone tout en atteignant les objectifs suivants :

Réduction du temps de stabilisation des périodes transitoires.

Minimiser le dépassement/sous-déclenchement pour la fréquence du système.

Minimiser l'erreur d'état stable de la fréquence du système d'alimentation.

Maintenez la puissance de la ligne d'interconnexion dans ses valeurs pré-programmées.

Les non-linéarités dans le système d'alimentation étudié comme GDB et GRC dans les centrales électriques conventionnelles comme les centrales thermiques et hydroélectriques affectent la précision des valeurs \(ACE\) qui à leur tour créent des incertitudes dans le signal d'entrée pour le contrôleur proposé. Ces incertitudes peuvent affecter la stabilité du système électrique et affecter les performances du LFC. IT2FLC dans ce travail prend en considération ces niveaux d'incertitudes dans le signal d'entrée qui améliorent les performances IT2FLC par rapport à T1FLC19.

Le LFC proposé est centralisé avec une structure identique dans chaque zone de production comme le montre la Fig. 2

Structure simplifiée d'IT2FLC centralisé pour RFC en zone-1 et zone-2.

Le contrôleur proposé dans chaque zone a deux entrées qui sont \(ACE\) et le changement dans l'erreur de contrôle de zone (\(\Delta ACE\)). \(\Delta ACE\) est pris en compte dans le contrôleur proposé afin de minimiser le niveau d'oscillation de la fréquence du système électrique. Les signaux d'entrée du contrôleur sont logiquement supposés être dans la plage de (− 1: 1) PU, ce qui signifie que le signal de commande du LFC aux centrales électriques ne doit pas dépasser 100% (1 PU) de la capacité de puissance active du système d'alimentation nominal tandis que la valeur minimale de réduction de la capacité de production des centrales électriques ne doit pas être inférieure à 100 % (− 1 PU) de la capacité de puissance active nominale du système électrique. Toutes les valeurs inférieures ou supérieures à (− 1:1) sont des signaux de distorsion qui peuvent se produire dans les périodes transitoires. Ces distorsions peuvent provoquer un dysfonctionnement du LFC et par conséquent une instabilité du système d'alimentation, les facteurs d'échelle \(K_{e}\) et \(K_{\Delta e}\) sont multipliés par les signaux d'entrée \(ACE\) et \ (\Delta ACE\) respectivement afin de normaliser les entrées entre (-1:1). Le \(ACE\) mis à l'échelle a été classé en sept catégories de fonctions d'appartenance au triangle en fonction du type de perturbation dans le système électrique, comme le montre la Fig. 3.

Fonction d'appartenance \(ACE\) proposée.

Où HDL indique une forte augmentation de la demande de charge, MDL est une augmentation moyenne de la demande de charge, LDL est une faible augmentation de la demande de charge tandis que Z indique aucun changement de la demande de charge ou de la production d'énergie dans le système électrique et le système est écurie. D'autre part, HG indique une forte augmentation de la puissance générée par rapport à la demande de charge, MG une augmentation moyenne de la puissance générée tandis que LG indique une faible augmentation de la puissance générée par rapport à la demande de charge. L'incertitude du signal \(ACE\) due à la distorsion ou aux non-linéarités du système électrique a été représentée dans la zone grise de la fonction d'appartenance appelée empreinte du niveau d'incertitude, cette zone dans ce travail est supposée être une valeur fixe avec 10% d'incertitude.

Le \(\Delta ACE\) mis à l'échelle a également été classé en sept catégories de fonctions d'appartenance égales en triangle (négatif élevé, négatif moyen, négatif faible, zéro, positif faible, positif moyen et positif élevé) ou (HN, MN, LN, Z , LP, MP, HP) comme le montre la Fig. 4. L'incertitude du signal \(\Delta ACE\) due à l'oscillation du système a été représentée dans la zone grise de la fonction d'appartenance et également supposée être une valeur fixe avec 10 % d'incertitude.

Fonction d'appartenance \(\Delta ACE\) proposée.

Le signal de sortie du contrôleur proposé pour augmenter ou diminuer la production des centrales électriques dépend de la combinaison des statuts linguistiques \(ACE\) et \(\Delta ACE\) qui peuvent être résumés dans le tableau de base de règles. La base de règles dépend principalement du raisonnement du concepteur et de l'expérience du système, comme indiqué dans la base de règles proposée dans le tableau. 1.

En se référant au tableau 1, l'action de sortie du contrôleur IT2FLC proposée est également classée en sept états (HN, MN, LN, Z, LP, MP, HP). L'action requise selon la base de règles proposée est ensuite appliquée à la fonction d'appartenance à la sortie du contrôleur, comme illustré à la Fig. 5, où l'action du contrôleur est convertie en valeur numérique ou nette dans la plage de (-1: 1) PU dans un processus appelé défuzzification25.

Fonction proposée d'appartenance à la sortie du contrôleur.

Dans ce travail, l'algorithme PSO proposé en 26 a été utilisé pour améliorer les performances du LFC proposé. L'objectif de PSO est de régler les facteurs d'échelle du contrôleur \(K_{e}\) et \(K_{\Delta e}\) afin de minimiser l'erreur globale du système d'alimentation. L'erreur globale du système d'alimentation a été définie dans ce travail comme exprimée dans l'équation. (3).

Afin de minimiser l'erreur de fréquence du système électrique et l'oscillation du système ainsi que de réduire le temps de stabilisation du système, la fonction multi-objectif proposée dans 13, 15 a été suggérée dans ce travail afin d'évaluer la fitness de chaque particule dans l'essaim. La fonction objectif est exprimée en Eq. (4) alors que le temps de simulation est de 60 s.

La fonction objectif proposée combine de manière fractionnée les caractéristiques de deux fonctions à objectif unique différentes qui sont l'erreur quadratique intégrale (ISE) et l'erreur quadratique intégrale (ITSE), ISE \(\left( {\int_{0}^{60\,s} {OE^{2} \cdot d} } \right)\) a tendance à réduire les valeurs de dépassement/sous-déclenchement de la fréquence du système électrique pendant la période transitoire, car il pénalise davantage les erreurs importantes que les erreurs plus petites, car le carré d'une erreur importante sera plus grand. D'autre part, ITSE \(\left( {\int_{0}^{60\,s} {t \cdot OE^{2} \cdot d} } \right)\) tend à minimiser la fréquence du système électrique erreur en régime permanent car elle pénalise plus les petites erreurs que les grosses erreurs en multipliant les petites erreurs par le temps. L'évaluation de la fonction objectif proposée et sa supériorité sur les fonctions objectif unique ont été introduites en détail dans13. La valeur de fraction pour chaque fonction objectif unique détermine l'objectif à partir de la technique d'optimisation qui dépend également de l'expérience du système.

L'organigramme représenté sur la figure 6 illustre les étapes de l'algorithme PSO pour optimiser les facteurs d'échelle du LFC proposé.

Organigramme PSO pour optimiser les facteurs d'échelle LFC.

L'algorithme PSO a été exécuté afin d'optimiser les facteurs d'échelle pour le LFC proposé dans le système d'alimentation étudié à l'aide du programme matlab/simulink selon les étapes illustrées à la Fig. 6 tout en appliquant un changement de charge de demande de 10 % dans la zone 1 et l'irradiance solaire modèle comme illustré à la Fig. 7. Pour 100 itérations, les meilleures valeurs globales pour les facteurs d'échelle LFC sont \(K_{e} = 38,5\) et \(K_{\Delta e} = 22,5\). La valeur des facteurs d'échelle obtenus sera utilisée dans la prochaine section de simulation et de résultats afin d'étudier la robustesse du contrôleur proposé pour plusieurs perturbations du système électrique sans réaccorder les gains du contrôleur.

Schéma d'irradiance solaire d'une irradiance élevée à faible à t = 35 s.

Dans cette partie du document, les performances du LFC proposé basé sur IT2FLC seront simulées pour le système d'alimentation illustré à la Fig. 1. La supériorité du contrôleur proposé sera étudiée par rapport au contrôleur basé sur PID en cascade qui a été proposé en11 et introduit pour comparaison en13 en appliquant trois cas d'études différents. L'influence de l'intégration du stabilisateur de fréquence comme le RFB a également été étudiée dans ces cas d'études afin d'étudier le rôle du RFB pour améliorer les performances du contrôleur proposé. Les cas d'études peuvent être décrits comme suit :

Premier cas d'étude : dans ce cas d'étude, une augmentation de 10 % a été appliquée à la demande de charge dans la zone-1 alors que le modèle d'irradiance solaire est tel qu'illustré à la Fig. 7 (diminution soudaine de l'irradiance solaire de 1 000 à 500 w/m2 à t = 35 s). Les résultats sont présentés dans les Fig. 8, 9 et 10 pour la déviation de fréquence dans la zone-1, la zone-2 et la déviation de la puissance de la ligne d'interconnexion respectivement.

Deuxième cas d'étude : dans ce cas d'étude, une augmentation de 20 % a été appliquée à la demande de charge dans les zones 1 et 2, tandis que le modèle d'irradiance solaire est tel qu'illustré à la Fig. 7. Les résultats sont présentés aux Figs. 11, 12 et 13 pour la déviation de fréquence dans la zone-1, la zone-2 et la déviation de la puissance de la ligne d'interconnexion respectivement.

Troisième cas d'étude : dans ce cas d'étude, une augmentation de 10 % a été appliquée à la demande de charge dans la zone-1, tandis que le modèle d'irradiance solaire est tel qu'illustré à la Fig. 14 (augmentation soudaine de l'irradiance solaire de 500 à 1 000 w/m2 à t = 35 s). Les résultats sont présentés dans les Fig. 15, 16 et 17 pour la déviation de fréquence dans la zone-1, la zone-2 et la déviation de la puissance de la ligne d'interconnexion respectivement.

Quatrième cas d'étude : incertitude sur les valeurs des paramètres du système électrique comme la constante de temps des régulateurs de vitesse (\(T_{g1}\) et \(T_{g2}\)) ou la constante de temps de la turbine à vapeur (\(T_{t1} \) et \(T_{t2}\)) peuvent entraîner un dysfonctionnement du fonctionnement du contrôleur proposé pendant l'enquête pratique. Par conséquent, dans ce cas d'étude, des changements (± 25 %) dans les paramètres du système électrique étudiés tels que \(T_{g1}\), \(T_{g2}\), \(T_{t1}\) et \(T_ {t2}\) ont été appliqués afin d'étudier la sensibilité du contrôleur proposé aux modifications des paramètres du système électrique tout en appliquant une augmentation de 10 % à la demande de charge dans la zone 1, tandis que le modèle d'irradiance solaire est tel qu'illustré à la Fig. 14 (augmentation brutale de l'irradiance solaire de 500 à 1000 w/m2 à t = 35 s). Les résultats sont présentés dans les Fig. Les Fig. 21, 22 et 23 pour la déviation de fréquence dans la zone 1, la zone 2 et la déviation de la puissance de la ligne de liaison respectivement due aux changements de constante de temps de la turbine à vapeur.

Premier cas d'étude de changement de fréquence de zone-1 (\(\Delta f_{1}\)).

Premier cas d'étude de changement de fréquence de la zone 2 (\(\Delta f_{2}\)).

Premier cas d'étude de modification de la puissance programmée de la ligne d'interconnexion (\(\Delta P_{tie2}\)).

Deuxième cas d'étude de changement de fréquence de zone-1 (\(\Delta f_{1}\)).

Deuxième cas d'étude de changement de fréquence de la zone 2 (\(\Delta f_{2}\)).

Deuxième cas d'étude de modification de la puissance programmée de la ligne d'interconnexion (\(\Delta P_{tie2}\)).

Diagramme d'éclairement solaire de faible à élevé à t = 35 s.

Troisième cas d'étude changement de fréquence zone-1 (\(\Delta f_{1}\)).

Troisième cas d'étude de changement de fréquence de la zone 2 (\(\Delta f_{2}\)).

Troisième cas d'étude de changement de puissance programmée à la ligne d'interconnexion (\(\Delta P_{tie2}\)).

Quatrième cas d'étude changement de fréquence zone-1 (\(\Delta f_{1}\)) pour différentes valeurs de constante de temps du régulateur de vitesse.

Quatrième cas d'étude changement de fréquence zone-2 (\(\Delta f_{2}\)) pour différentes valeurs de constante de temps du régulateur de vitesse.

Quatrième cas d'étude modification de la puissance programmée de l'interconnexion (\(\Delta P_{tie2}\)) pour différentes valeurs de constante de temps du régulateur de vitesse.

Quatrième cas d'étude changement de fréquence zone-1 (\(\Delta f_{1}\)) pour différentes valeurs de constante de temps de turbine à vapeur.

Quatrième cas d'étude changement de fréquence zone-2 (\(\Delta f_{2}\)) pour différentes valeurs de constante de temps de turbine à vapeur.

Quatrième cas d'étude évolution de la puissance programmée de raccordement (\(\Delta P_{tie2}\)) pour différentes valeurs de constante de temps de turbine à vapeur.

Dans les premier et deuxième cas d'études, la robustesse du contrôleur proposé a été étudiée dans les Fig. 8, 9, 10, 11, 12 et 13. Contrairement au contrôleur PID-P en cascade, l'IT2FLC réglé par PSO a considérablement réduit le temps de stabilisation, l'oscillation du système et l'erreur d'état stable lors d'un changement de charge de demande sévère dans la zone-1, la zone- 2 et forte diminution instantanée de la valeur d'irradiance solaire qui s'est produite pendant la période de simulation à t = 35 s. Le contrôleur proposé a réussi à préserver la stabilité du système d'alimentation étudié malgré l'influence des non-linéarités conventionnelles des centrales électriques telles que GRC et GBD. L'empreinte d'incertitude dans le contrôleur IT2FLC proposé a atténué les oscillations indésirables du système et amélioré la stabilité globale du système d'alimentation étudié. L'intégration de RFB a amélioré les performances du contrôleur proposé en raison de sa capacité à injecter ou à absorber de la puissance en peu de temps, généralement inférieur à 0,5 ms.

D'autre part, l'irradiance solaire dans le troisième cas d'étude a été élevée instantanément du niveau bas (500 W/m2) à sa valeur maximale (1000 W/m2) à t = 35 s, ce qui a provoqué la puissance générée dans la zone- 1 et zone-2 à augmenter fortement et par conséquent une augmentation instantanée de la fréquence du système d'alimentation étudiée, le contrôleur proposé a atténué cette augmentation de la fréquence du système en peu de temps en 0,3 s avec une valeur de dépassement inférieure à 0,005 PU En revanche, le contrôleur PID en cascade a a réglé le système en raison de cette perturbation en plus de 9 s alors que la valeur de dépassement de la fréquence a dépassé 0,11 PU Pour le système d'alimentation qui intègre RFB, RFB a absorbé cette augmentation de la puissance générée et, par conséquent, RFB a amélioré considérablement les performances du contrôleur IT2FLC proposé.

Enfin, dans le quatrième cas d'étude, l'analyse de sensibilité du contrôleur proposé a été étudiée afin de confirmer la robustesse du LFC proposé en cas d'incertitude des paramètres du système électrique. Comme le montrent les figures de ce cas d'étude, le contrôleur proposé a préservé la stabilité du système électrique étudié malgré les changements importants dans les constantes de temps des unités de production (± 25%). L'erreur d'état stable de la fréquence du système ainsi que du temps de stabilisation a été déviée de (± 0,0025 %) par rapport aux courbes fondamentales sans réaccorder les gains de contrôleur proposés.

L'analyse numérique pour le premier, le deuxième et le troisième cas d'études a été résumée dans le tableau 2 qui montre le dépassement maximal (OS), le sous-dépassement (US), le temps de stabilisation du système d'alimentation et la valeur de l'erreur d'état stable (SSE) pour le régulateur proposé avec et sans RFB par rapport au régulateur PID-P en cascade.

Dans ce travail, IT2FLC a été proposé pour agir en tant que LFC principal pour un système d'alimentation interconnecté multi-sources à deux zones intégrant une centrale solaire dans chaque zone. Les gains du contrôleur proposé ont été ajustés à l'aide de la technique d'optimisation PSO. Les performances du LFC IT2FLC ont été étudiées et comparées au PID LFC en cascade proposé dans des travaux antérieurs pour plusieurs études de cas tout en modifiant la charge de demande dans chaque zone de production et en modifiant l'irradiance solaire pendant la période de simulation afin d'étudier la robustesse du contrôleur proposé. IT2FLC en tant que LFC principal a amélioré la stabilité du système d'alimentation en réduisant le temps de stabilisation du système, le sur/sous-déclenchement et l'erreur d'état stable. L'empreinte d'incertitude dans le contrôleur proposé a considérablement réduit les oscillations indésirables du système pendant les périodes transitoires et stables. L'intégration de RFB a amélioré les performances du contrôleur proposé car il a réduit le temps de stabilisation du système d'alimentation, l'oscillation et les valeurs de sur/sous-déclenchement. Afin d'étendre ce travail dans des travaux futurs, des techniques d'optimisation méta-heuristique récemment développées telles que Firefly, moth-flame et slap swarm peuvent être utilisées à la place de la technique PSO afin d'ajuster les gains du contrôleur. Dans les travaux futurs également, un système de logique floue de type 3 peut être développé à partir d'IT2FLC afin d'améliorer la réponse du LFC, en particulier l'oscillation du système d'alimentation en période transitoire causée par l'incertitude des valeurs d'entrée.

\({\varvec{K}}_{{{\varvec{RFB}}}} = {{{\varvec{0.6777}}}}\); \({\varvec{T}}_{{{\varvec{RFB}}}} = {{{\varvec{0.00034}}}}\) 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{ sec}}}}} ;{{{\varvec{{ T}}}}}_{{{\varvec{p}}2}} { } = {{{ \varvec{{ }0.041{ s}}}}}\ ); \({\varvec{K}}_{{{\varvec{p}}2}} { } = {{{\varvec{{ }1.4}}}}\ ); \({\varvec{K}}_{{{\varvec{diesel}}}} { } = {{{\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 ; Puissance nominale du parc solaire dans des conditions de test standard (STC) = 0,1 PU

Type de système d'inférence = Mamdani FIS ; Nombre d'entrées = 2 ; Facteur d'échelle pour l'entrée 1 = 38,5 ; Facteur d'échelle pour l'entrée 2 = 22,5 ; Plage entrée 1 = [0 1] ; Plage entrée 2 = [0 1] ; Plage de sortie = [0 1] ; Méthode de défuzzification = Centroïde ; Type d'entrées et fonction d'appartenance à la sortie = triangle égal mf ; Nombre d'entrées 1 mf = 7 ; Nombre d'entrée 2 mf = 7 ; Nombre de sortie mf = 7.

Nombre de variables = 2 (\({\varvec{K_{e}}}\) et \({{{\varvec{K_{\Delta e}}}}}\) ); Fonction de coût = \({{{\varvec{0.2\int_{0}^{60\sec } {OE^{2} \cdot dt} + 0.8 \int_{0}^{60\sec } {t \cdot OE^{2} \cdot dt}}}}}\ ); Valeur minimale des variables = -10 ; Valeur maximale des variables = 100 ; Nombre de particules = 7 ; Nombre maximal d'itérations = 100 ; Poids d'inertie = 1 ; Coefficient d'accélération 1 = 2,05 ; Coefficient d'accélération 1 = 2,05.

Les ensembles de données utilisés et/ou analysés au cours de l'étude en cours sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Erreur de contrôle de zone

Contrôle de génération automatique

Facteur de participation de la zone

Performances standard du contrôleur

Système de transmission à courant alternatif flexible

Système de logique floue

Bande morte du gouverneur

Contrainte de taux de production

Optimisation du loup gris

Contrôleur à logique floue de type 2 à intervalles

Régulateur de fréquence de charge

Suivi du point de puissance maximale

Optimisation des essaims de particules

Batterie à flux d'oxydation de réduction

Contrôleur à logique floue de type 1

Bencs, P., Al-Ktranee, M. & Mészáros, KM Effets des panneaux solaires sur les réseaux électriques. Anal. Technologie. Szeged. 14(1), 50–60 (2020).

Article Google Scholar

Wolfe, PR Énergie solaire à grande échelle. Dans le manuel de McEvoy sur le photovoltaïque, 3e éd. (2018)

Fathabad, AM, Cheng, J., Pan, K. & Qiu, F. Planification basée sur les données pour la production distribuée d'énergie renouvelable dans les systèmes de distribution. IEEE Trans. Système d'alimentation 35(6), 4357–4368 (2020).

Annonces d'article Google Scholar

da Silva, PP, Dantas, G., Pereira, GI, Câmara, L. & De Castro, NJ Production distribuée photovoltaïque - Une revue internationale sur la diffusion, les politiques de soutien et l'adaptation de la réglementation du secteur de l'électricité. Renouveler. Soutenir. Énergie Rév. 103, 30–39 (2019).

Article Google Scholar

Musanga, LM, Barasa, WH & Maxwell, M. L'effet de l'irradiance et de la température sur les performances du module solaire en silicium monocristallin à Kakamega. Phys. Sci. Int. J. 19(4), 1–9 (2018).

Article Google Scholar

Ghosh, J., Seetharaman, A. & Maddulety, K. Les principaux facteurs influençant la croissance de l'utilisation de l'énergie solaire en Inde. économie indienne. J. 68(1), 122-128 (2020).

Article Google Scholar

Gersdorf, T., Hensley, Hertzke, P., Schaufuss, P., Tschiesner, A. La voie à suivre pour la mobilité électrique. McKinsey. (2020).

Mastoi, MS et al. Une analyse approfondie de l'infrastructure des bornes de recharge des véhicules électriques, des implications politiques et des tendances futures. Energy Rep. 8, 11504–11529 (2022).

Article Google Scholar

Lokanatha, M. & Vasu, K. Contrôle de la fréquence de charge d'un système d'alimentation à deux zones à l'aide d'un contrôleur PID. Int. J.Eng. Rés. Technol. (IJERT) 3(11), 687–692 (2014).

Google Scholar

Gupta, NK, Kar, MK & Singh, AK Contrôle de la fréquence de charge du système d'alimentation à deux zones en utilisant un contrôleur à 2 degrés de liberté conçu à l'aide de l'algorithme Firefly. Dans les applications de contrôle dans le système d'alimentation moderne. 57–64 (2021).

Alzaher, ANA, Shafei, MAR & Ibrahim, DK Amélioration du contrôle de la fréquence de charge d'un système de sources multi-zones multi-puissance avec des unités renouvelables et incluant des non-linéarités. Indonésiens. J. Electr. Ing. Calcul. Sci. 19(1), 108-118 (2020).

Google Scholar

Farahani, M., Ganjefar, S. & Alizadeh, M. Ajustement du contrôleur PID à l'aide d'un algorithme d'optimisation chaotique pour le contrôle de la fréquence de charge multizone. Théorie du contrôle IET Appl. 6(13), 1984–1992 (2012).

Article MathSciNet Google Scholar

Shafei, MAR, Ibrahim, DK et Bahaa, M. Application du contrôleur à logique floue accordé PSO pour LFC d'un système d'alimentation à deux zones avec batterie à flux redox et parc solaire PV. Ain Shams Ing. J. 13(5), 101710 (2022).

Article Google Scholar

Chidambaram, IA & Paramasivam, B. Simulation de fréquence de charge optimisée dans un système d'alimentation restructuré avec des batteries à flux redox et un contrôleur de flux de puissance interligne. Int. J. Electr. Système d'énergie d'alimentation. 50, 9–24 (2013).

Article Google Scholar

Soliman, AMA, Eldin, MB & Mehanna, MA Application du FLC de type 2 réglé par WOA pour le LFC d'un système d'alimentation à deux zones avec RFB et parc solaire en tenant compte du TCPS en interligne. Accès IEEE 10, 112007–112018 (2022).

Article Google Scholar

Abazari, A., Dozein, MG, Monsef, H. & Wu, B. Participation des éoliennes au contrôle de la fréquence des micro-réseaux grâce à l'autoréglage et au statisme flou adaptatif dans la zone déchargée. Réseau intelligent IET. 2(2), 301–308 (2019).

Article Google Scholar

Abazari, A., Babaei, M., Muyeen, SM & Kamwa, I. Apprentissage du statisme flou adaptatif de la contribution du PV à l'excursion de fréquence du micro-réseau hybride pendant les incertitudes des paramètres. Électr. Système d'énergie d'alimentation. 123, 106305 (2020).

Article Google Scholar

Abhijith Pappachen, A. Peer Fathima, contrôleur de fréquence de charge basé sur les normes de performance de contrôle du NERC pour un système d'alimentation dérégulé multizone avec l'approche ANFIS. Ain Shams Ing. J. 9(4), 2399-2414 (2018).

Article Google Scholar

Dongrui, Wu. Sur les différences fondamentales entre les contrôleurs à logique floue d'intervalle de type 2 et de type 1. IEEE Trans. Système flou 20(5), 832–848 (2012).

Article Google Scholar

Azar, A. Vue d'ensemble des systèmes de logique floue de type 2. Int. J. Fuzzy Syst. Appl. (IJFSA) 2, 1–28 (2012).

Google Scholar

Kennedy, J. & Eberhart, R. Optimisation des essaims de particules. Proc. IEEE Int. Conf. Réseau neuronal. 5, 1942-1948 (1995).

Article Google Scholar

Mezura-Montes, E. & Coello, CAC Gestion des contraintes dans l'optimisation numérique inspirée de la nature : passé, présent et futur. Essaim Evol. Calcul. 1(4), 173–194 (2011).

Article Google Scholar

Ahmed, G. Gad, algorithme d'optimisation d'essaim de particules et ses applications : une revue systématique. Cambre. Calcul. Méthodes Ing. 29, 2531-2561 (2022).

Article MathSciNet Google Scholar

Sasaki, T., Shigematsu, T. & Deguchi, HE Étude d'évaluation sur la réponse de la batterie à flux redox et sa modélisation. IEEJ Trans. Énergie énergétique 122(4), 554–560 (2002).

Annonces d'article Google Scholar

Mendel, J., Hagras, H., Tan, W.-W., Melek, WW, Ying, H. Introduction to Type-2 Fuzzy Logic Control: Theory and Applications (IEEE Press, John Wiley & Sons, Hoboken, New Jersey, 2014).

Mirjalili, S. Une implémentation simple de l'algorithme d'optimisation de l'essaim de particules (PSO) (https://www.mathworks.com/matlabcentral/fileexchange/67429-a-simple-implementation-of-particle-swarm-optimization-pso-algorithm) , Échange central de fichiers MATLAB. Consulté le 9 janvier 2023.

Télécharger les références

Financement en libre accès fourni par The Science, Technology & Innovation Funding Authority (STDF) en coopération avec The Egyptian Knowledge Bank (EKB).

Département de génie électrique, Faculté de génie, Université Al-Azhar, Nasr City, Le Caire, 1427, Égypte

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

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

AMAS et MB ont rédigé le texte principal du manuscrit et préparé toutes les figures et tous les tableaux. MAM a examiné le manuscrit.

Correspondance à Ahmed Mohammed Attiya Soliman.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Soliman, AMA, Bahaa, M. & Mehanna, MA Logique floue de type 2 à intervalles réglés PSO pour le contrôle de la fréquence de charge d'un système d'alimentation interconnecté multi-sources à deux zones. Sci Rep 13, 8724 (2023). https://doi.org/10.1038/s41598-023-35454-4

Télécharger la citation

Reçu : 10 janvier 2023

Accepté : 18 mai 2023

Publié: 30 mai 2023

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

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.