По всем вопросам звоните:

+7 495 274-22-22

УДК: 621.311, 621.331

Цифровые прогностические регуляторы установок распределенной генерации

Булатов Ю. Н. канд. техн. наук, доцент, зав. кафедрой, Братский государственный университет, г. Братск
Крюков А. В. д-р техн. наук, профессор, Иркутский государственный университет путей сообщения, Иркутский национальный исследовательский технический университет, г. Иркутск
Нгуен Ван Хуан аспирант, Иркутский национальный исследовательский технический университет, г. Иркутск

В статье представлены результаты компьютерных исследований режимов систем электроснабжения с установками распределенной генерации (РГ), оснащенными цифровыми автоматическими регуляторами возбуждения (АРВ) и скорости (АРС). Для улучшения качества управления использовались прогностические алгоритмы. Выполнен анализ влияния цифровых регуляторов на показатели переходных процессов при возмущениях. Результаты компьютерного моделирования, выполненного в системе MATLAB, показали, что использование прогностического алгоритма позволило улучшить демпферные свойства АРВ и АРС; при этом уменьшилась длительность электромеханических переходных процессов при переходе в островной режим, а также при запуске мощных асинхронных электродвигателей. Предлагаемые цифровые прогностические регуляторы могут использоваться для повышения устойчивости, адаптивности и живучести установок РГ, работающих в составе систем электроснабжения.

Литература:

1. Smart Grid Concept for Unified National Electrical Network of Russia / Yu.I. Morzhin, Yu.G. Shakaryan, Yu.N. Kucherov // CD. Preprints of proceedings of IEEE PES Innovative Smart Grid Technologies Europe 2011, Manchester Dec. 5–7, 2011. Manchester, GB: IEEE, The University of Manchester, Panel session 5D. – Рp. 1–5.

2. Torriti J. Demand Side Management for the European Supergrid: Occupancy variances of European single-person households // Energy Policy. – 2012. – Vol. 44. – Рp. 199–206.

3. Mohsen F.N., Amin M.S., Hashim H. Application of smart power grid in developing countries // IEEE 7th International Power Engineering and Optimization Conference (PEOCO), 2013. DOI: 10.1109/ PEOCO.2013.6564586.

4. Bernd M. Buchholz, Zbigniew A. Styczynski. Smart Grids – Fundamentals and Technologies in Electricity Networks // Springer-Verlag Berlin Heidelberg, 2014. – 396 p.

5. Wang J., Huang A.Q., Sung W., Liu Y., Baliga B.J. Smart Grid Technologies // IEEE Industrial Electronics Magazine. – 2009. – Vol. 3. – No 2. – Рp. 16–23.

6. Magdi S. Mahmoud, Fouad M. AL-Sunni Control and Optimization of Distributed Generation Systems // Cham: Springer International Publishing: Imprint: Springer, 2015. – 578 p.

7. Martínez Ceseña E. A., Capuder T., Mancarella P. Flexible distributed multienergy generation system expansion planning under uncertainty // IEEE Transaction on Smart Grid. – 2016. – Vol. 7. – Рp. 348–357.

8. Lombardi P., Styczynski Z.A., Sokolnikova T., Suslov K. Use of energy storage in Isolated Micro Grids // Power Systems Computation Conference (PSCC) 2014. IEEE Conference Publications. – Рp. 1–6. DOI: 10.1109/PSCC.2014.7038361.

9. Ph.P. Barker, R.W. De Mello. Determining the Impact of Distributed Generation on Power Systems: Part 1 – Radial Distribution Systems // IEEE PES Summer Meeting, Seattle (WA, USA, July 11–15, 2000). – Рp. 222–233.

10. Chen Y., Ma Y., Yun W. Application of Improved Genetic Algorithm in PID Controller Parameters Optimization // Telkomnika. – 2013. – Vol. 11. – No 3. – Рp. 1524–1530.

11. Jaen-Cuellar A.Y., Romero-Troncoso R. de J., Morales-Velazquez L., Osornio-Rios R.A. PID-Controller Tuning Optimization with Genetic Algorithms in Servo Systems // International Journal of Advanced Robotic Systems. – 2013. – Vol. 10. – Рp. 324–337. DOI: 10.5772/56697.

12. Bulatov Yu.N., Kryukov A.V. Optimization of automatic regulator settings of the distributed generation plants on the basis of genetic algorithm // 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). IEEE Conference Publications. – 2016. – Рp. 1–6. DOI: 10.1109/ICIEAM.2016.7911456.

13. Adzic E., Ivanovic Z., Adzic M., Katic V. Maximum Power Search in Wind Turbine Based on Fuzzy Logic Control // Acta Polytechnica Hungarica. – 2009. – Vol. 6. – No 1. – Рp. 131–149.

14. Voropai N.I., Etingov P.V. Two-Stage Adaptive Fuzzy PSS Application to Power Systems // Proc. of International Conference on Electrical Engineering ICEE. July 22–26, 2001. – Xi'an, China, 2001. – Vol. 1. – Рp. 314–318.

15. Беляев А.Н., Смоловик С.В. Разработка адаптивных автоматических регуляторов возбуждения с использованием нейро-нечеткого моделирования // Электричество. – 2002. – № 3. – С. 2–9.

16. Intelligent control of the regulators adjustment of the distributed generation installation / A.V. Kryukov, S.K. Kargapol’cev, Yu.N. Bulatov, O.N. Skrypnik, B.F. Kuznetsov // Far East Journal of Electronics and Communications. – 2017. – Vol. 17. – N 5. – P. 1127–1140.

17. Пикина Г.А. Принцип управления по прогнозу и возможность настройки систем регулирования одним параметром // Новое в российской электроэнергетике. – 2014. – № 3. – С. 5–13.

18. Bulatov Yu.N., Kryukov A.V., Nguyen Van Huan. Automatic prognostic regulators of distributed generators // International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). IEEE Conference Publications. – 2018. – Рp. 1–4. DOI: 10.1109/FarEastCon.2018.8602718.

19. Булатов Ю.Н., Крюков А.В., Нгуен Ван Хуан. Автопрогностический регулятор частоты вращения ротора генератора установки распределенной генерации // Научный вестник НГТУ. – 2017. – № 1 (66). – С. 15–25.

20. Бушуев В.В., Лизалек Н.Н., Новиков Н.Л. Динамические свойства энергосистем. – М.: Энергоатомиздат, 1995. – 320 с.

Масштабное использование цифровых технологий и устройств в электроэнергетике позволяет построить активно-адаптивные сети [1–16] с интеллектуальными системами управления (ИСУ). Поэтому задачи разработки цифровых регуляторов для установок распределенной генерации (РГ) приобретают особую актуальность. Цифровизация электроэнергетики в сочетании с ИСУ при правильном применении позволит повысить эффективность управления, живучесть и надежность систем электроснабжения (СЭС).

Для устойчивой работы установок РГ на базе синхронных генераторов, а также демпфирования возникающих колебаний применяются автоматические регуляторы возбуждения (АРВ) и скорости (АРС). Микропроцессорные АРВ и АРС позволяют реализовать необходимые интерфейсы для связи с другими цифровыми устройствами и обеспечить эффективное управление интеллектуальными СЭС. Однако для оптимизации управления необходимо решить задачу настройки этих регуляторов, требующую трудоемких расчетов большого числа взаимосвязанных параметров. Применение прогностических алгоритмов в микропроцессорных АРВ и АРС позволяет обеспечить необходимые демпферные свойства системы, настраивая только один параметр – время прогноза [17, 18]. Использование автопрогностического АРС [19] и микропроцессоров позволяет определять этот параметр автоматически в режиме реального времени и тем самым адаптирует установку РГ к постоянно изменяющимся режимам работы СЭС.

В статье приводится описание результатов построения моделей прогностического АРВ и автопрогностического АРС синхронного генератора установки РГ на основе дискретных передаточных функций с использованием аппарата z-преобразования. Выполнено исследование влияния этих регуляторов на качество управления установкой РГ при изменении режима работы системы электроснабжения. В качестве возмущений рассматривались следующие коммутации: отключение централизованного электроснабжения с переходом установки РГ в островной режим работы; пуск асинхронных электродвигателей при работе установки РГ в островном режиме.

Для Цитирования:
Булатов Ю. Н., Крюков А. В., Нгуен Ван Хуан, Цифровые прогностические регуляторы установок распределенной генерации. Главный энергетик. 2020;1.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: