کنترل‌کننده تطبیقی عصبی - فازی و مبدل منبع امپدانسی به‌ منظور کنترل توان شبکه هیبریدی متشکل از ژنراتور القایی دو سو تغذیه و سلول خورشیدی

امروزه، ژنراتورهای القایی دو سو تغذیه و سلول‌های خورشیدی به طور گسترده‌ای در صنایع مختلف و نیروگاه‌های بادی در حال استفاده هستند که هر کدام با استفاده از روش‌های کنترلی مختلفی مورد بهره‌برداری قرار گرفته‌اند. در میان روش‌های ارائه‌شده به منظور کنترل dfig، روش کنترل مستقیم توان بیشتر مورد توجه بوده است. استفاده از این روش به دلیل مزایایی همانند مقاومت در برابر تغییر پارامترها، پاسخ دینامیکی سریع، عدم وجود مدار کنترل جریان، افزایش قابلیت اطمینان و کاهش پیچیدگی سیستم، در مقایسه با سایر روش‌های کنترلی دارای برتری‌های نسبی بوده است. هرچند نوسانات توان، گشتاور زیاد، فرکانس سوئیچینگ بالا و عملکرد ضعیف در توان‌های پایین، از جمله معایب این روش کنترلی هستند. از سوی دیگر در میان روش‌های کنترل سلول‌های خورشیدی، مدل کنترلی منبع امپدانسی z بسیار مورد توجه پژوهشگران و بهره‌برداران قرار گرفته است. هر کدام از این روش‌ها به طور جداگانه، بسیار مورد مطالعه قرار گرفته‌اند. در پژوهش حاضر، جهت کنترل ساختار شبکه هیبریدی، ساختار کنترل پیشنهادی متشکل از مدل منبع امپدانسی z و سیستم کنترلی تطبیقی عصبی فازی برای بهبود عملکرد سیستم پیشنهاد داده می‌شود که دارای ساختار ساده و دقت کنترلی بالا است، نسبت به تغییرات سیستم مقاوم بوده و می‌تواند با صرف هزینه پایین و در محیط زمان واقعی پیاده‌سازی شود. به منظور تایید کارایی و برتری این روش کنترلی، سناریوهای مختلفی در نظر گرفته شده و با روش دیگری نیز مقایسه شده است. نتایج شبیه‌سازی نشان‌دهنده کاهش قابل توجه نوسانات توان و ولتاژ، افزایش دامنه ولتاژ، گشتاور و جریان ژنراتور و همچنین افزایش قابلیت اطمینان سیستم بوده است.

neuralfuzzy network and zsource converter adaptive controller for control the power of the hybrid network consisting of doublyfed induction generator and solar cel

renewable energies outfitted with low latency assets as wind turbines and photovoltaic exhibits give significant adverse consequences through power framework dynamic protections. for this issue, in view of fostering a high voltage direct current (hvdc) interface, a versatile neurofuzzybased damping regulator is introduced in this paper for working on unique execution of low inertia resources associated with power frameworks. the created power framework comprises of various age sources including seaward and inland wind turbines (wts), photovoltaic exhibits (pvs) and limited doubly fed induction generators (dfigs) which are incorporated together through an interconnected framework. for this situation, thinking about various functional and innovative conditions, damping execution of proposed anfis plot is assessed. the proposed plot is a nonmodelbased regulator which utilizes the benefits of both neural and fluffy rationales together for giving a quick and secure design of damping regulator through continuous recreations. to research anfis plot through genuine cases, considering a commonplace microgrid comprises of various lowlatency assets (for example wt, pv, dfig), the framework damping exhibitions through hamper occasions are assessed. recreation results demonstrate viability and effectiveness of the proposed plot for damping dynamic motions of low inertia resources with high damping proportions with respect to extreme issue occasions.