کنترل غیرمتمرکز مبدل‌های دوطرفه در یک ریزشبکه dc متصل به شبکه به‌منظور افزایش پایداری سیستم به کمک الگوریتم ژنتیک- عصبی

از آنجا که مبدل های قدرت دوطرفه قابلیت عبور از خطا را دارند، به‌کارگیری آنها باعث بهبود قابلیت اطمینان سیستم می‌شود. بنابراین، ساختار مبدل های قدرت دوطرفه موازی، برای ریزشبکه dc متصل به شبکه اتخاذ شده است. میان مبدل‌های قدرت دوطرفه موازی، جریان گردشی وجود دارد که ظرفیت کلی سیستم را محدود می‌کند و می‌تواند به دستگاه‌های سوئیچینگ آسیب برساند. برای حل این مسئله، در این مقاله مکانیزم تولید جریان گردشی در سمت ac، هنگامی که چندین مبدل قدرت دوطرفه به‌صورت موازی با هم کار می کنند، با در نظر گرفتن تاثیر بارهای توان ثابت توسط استراتژی دروپ pdcvdc2f   مورد توجه قرار گرفت تا اشتراک‌گذاری توانdc  و انطباق‌پذیری با فرکانس شبکه انجام شود. ضرایب pi کنترلر مبدل‌های قدرت توسط الگوریتم ژنتیک آنلاین و شبکه عصبی بهینه شد و با شرایط سیستم به‌روزرسانی گردید. هر دو رابطه پایدار و دینامیکی بینpdc  و vdc2  خطی هستند و بارهای توان ثابت قطب‌های ناپایدار را برای سیستم ایجاد نمی کنند. نتایج مقایسه شده با کنترل دروپ idcvdc  متداول نشان می‌دهد استراتژی پیشنهادی pdcvdc2f می تواند کنترل توانdc  و پایداری سیستم را افزایش دهد که باعث افزایش دینامیک تنظیم ولتاژ dc می‌شود.

Decentralized Control of Bidirectional Converters in a Grid-connected DC Microgrid to Increase System Stability Using a Genetic-Neural Algorithm

Using bidirectional parallel converters improves system reliability as they can bypass faults. Therefore, the bidirectional parallel converters structure is adopted for the DC micr ogrid connected to the grid. There is a circulating current between the bidirectional parallel converters that limits the overall capacity of the system and can damage switching devices. To solve this problem, in this paper, the mechanism of generating circulating current on the AC side when several bidirectional parallel converters work together was taken into consideration with the effect of constant power loads by the droop strategy Pdcvdc2f to share DC power and network frequency adaptation. The PI coefficients of the bidirectional parallel converters controller were optimized by online genetic algorithm and neural networks and updated with system conditions. Both the stable and dynamic relationships between Pdc and vdc2 are linear and did not create constant power loads of unstable poles for the system. The results indicated that compared with conventional idcvdc droop control, the proposed Pdcvdc2f strategy can increase dc power control and system stability, consequently increasing the dc voltage regulation dynamics.