طراحی یک سیستم منطق فازی مبتنی بر pso برای بهبود کنترل فرکانس سیستم های انرژی تجدیدپذیر

افزایش روزافزون استفاده از منابع انرژی تجدیدپذیر (res) در سیستم‌های قدرت، به‌ویژه در ریزشبکه‌ها، چالش‌های قابل توجهی را در زمینه کنترل فرکانس ایجاد کرده است. ماهیت متناوب و غیرقابل پیش‌بینی این منابع، همراه با اینرسی پایین سیستم‌های مدرن، می‌تواند منجر به نوسانات شدید فرکانسی شود. این مقاله به طراحی یک سیستم کنترل هوشمند هیبریدی می‌پردازد که از منطق فازی بهینه شده با الگوریتم ازدحام ذرات (pso) استفاده می‌کند. هدف اصلی این رویکرد، بهبود عملکرد کنترل فرکانس در ریزشبکه‌های مستقل حاوی منابع تجدیدپذیر (مانند توربین‌های بادی و ژنراتورهای سنکرون) است. پارامترهای کنترل‌کننده فازی، شامل ضرایب مقیاس‌گذاری ورودی و خروجی، توسط الگوریتم pso با هدف کمینه‌سازی شاخص خطای انتگرال زمان مطلق (itae) تنظیم بهینه می‌شوند. نتایج شبیه‌سازی در محیط matlab/simulink، برتری قابل توجه روش پیشنهادی را در کاهش نوسانات فرکانسی (حدود 20% بهبود نسبت به کنترل‌کننده pi)، بهبود زمان پاسخ‌دهی (15% سریع‌تر) و کاهش خطای حالت ماندگار (25% کاهش) در مواجهه با اختلالات بار و تغییرات سرعت باد نشان می‌دهد. این رویکرد، پایداری سیستم را در شرایط عملیاتی مختلف تضمین کرده و راهکاری کارآمد برای مدیریت بهینه res و افزایش کارایی سیستم‌های قدرت مدرن ارائه می‌دهد.

designing a pso -based fuzzy logic system to improve the frequency control of renewable energy systems

the increasing integration of renewable energy sources (res) into power systems, particularly in microgrids, has introduced significant challenges for frequency control. the intermittent and unpredictable nature of these sources, coupled with the low inertia characteristic of modern systems, can lead to substantial frequency fluctuations. this paper presents the design of an intelligent hybrid control system utilizing a fuzzy logic controller (flc) optimized by the particle swarm optimization (pso) algorithm. the primary objective of this approach is to enhance the performance of frequency regulation in islanded microgrids incorporating renewable sources (such as wind turbines and synchronous generators). the parameters of the fuzzy controller, including its input and output scaling factors, are optimally tuned by the pso algorithm with the goal of minimizing the integral time absolute error (itae) index. simulation results within the matlab/simulink environment demonstrate the significant superiority of the proposed method in mitigating frequency oscillations (approximately 20% improvement compared to a pi controller), improving response time (15% faster), and reducing steady-state error (25% reduction) when subjected to load disturbances and wind speed variations. this approach ensures system stability under various operational conditions and provides an effective solution for the optimal management of res, thereby enhancing the efficiency of modern power systems.