کنترل بار-فرکانس ریزشبکه مبتنی بر مدل غیر خطی به‌کمک روش pid مرتبه کسری بهینه شده با الگوریتم ترکیبی hcrpso-ps

چکیده: کنترل بار-فرکانس یکی از موضوعات مهم در بهره‌برداری و کنترل ریز شبکه‌هایی است که به ‌صورت مستقل از شبکه اصلی بهره‌برداری می‌شوند. مقاله حاضر روشی کنترلی تناسبی-انتگرالی مشتقی مرتبه کسری (fopid) برای کنترل بار-فرکانس ریز شبکه ارائه می‌دهد که پارامترهای کنترل کننده با الگوریتم ترکیبی ازدحام ذرات مبتنی بر دیوانگی (crpso) و الگوریتم جستجوی الگو (ps) بهینه شده است. ترکیب الگوریتم (crpso) که برای جستجوی کلی استفاده می‌شود و الگوریتم ps که برای جستجوی محلی استفاده می‌شود سبب افزایش سرعت همگرایی شده است. در مد‌سازی ریز شبکه از مدلی غیر خطی - با در نظر گرفتن اثر پدیده‌هایی مانند اشباع، باند راکد، محدودیت تغییر نرخ توان استفاده شده است. مدل‌سازی در محیط matlab/simulink انجام شده است و شبیه‌سازی برای اغتشاش‌های مختلفی مانند تغییر بار به‌صورت پله، تغییر در توان تولیدی منابع ریز شبکه همراه با عدم قطعیت پارامترهای ریز شبکه صورت گرفته است. نتایج بیانگر برتری روش کنترلی پیشنهادی نسبت بر روش fopid بهینه شده با الگوریتم pso، pid بهینه شده با الگوریتم pso و pi فازی بهینه شده با الگوریتم pso است. مطالعات صورت گرفته نشان می‌دهد تاثیر پدیده‌های غیر خطی قابل ملاحظه است و سبب طولانی‌تر شدن زمان فرانشست، افزایش فراجهش، فروجهش تغییرات فرکانس نسبت به حالت خطی می‌شود.

Nonlinear Load frequency control of isolated microgrid using fractional order PID based on hybrid craziness-based particle swarm optimization and pattern search

Abstract : One of the important issue in isolated microgrid is loadfrequency control. This paper proposes a fractional order PID (FOPID) controller for loadfrequency control of microgrid by considering nonlinear factors of Distributed energy resources. The parameters of FOPID are optimized using hybrid Crazinessbased Particle Swarm Optimization (CRPSO) and Pattern Search (PS), which the first is used for global search and the other is used for local search. The simulation is carried out in MATLAB/SIMULINK environment. Different senrios are simulated for studying the effects of different disturbances such as load changes (in step form), changes of output power of photovoltaic and wind turbine generators, all with and without considering parameters uncertainties. The results shows the better performance of the proposed controller as compared with fractional order PID (FOPID) and PID, which is optimized by optimized by particle swarm optimization, and fuzzy PI, which is optimized by particle swarm optimization.