Исследование работы самонастраивающегося прогностического регулятора скорости вращения ротора синхронного генератора на киберфизической модели турбогенераторной установки
Автор: Булатов Ю.Н., Крюков А.В., Суслов К.В.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Исследования. Проектирование. Опыт эксплуатации
Статья в выпуске: 2 т.15, 2022 года.
Бесплатный доступ
В условиях интеграции вычислительных ресурсов в физические процессы можно говорить о киберфизических системах электроснабжения (КФСЭ). В КФСЭ, как правило, используются установки распределенной генерации (РГ). В связи с изменениями нагрузок и топологии сети необходимо проводить оптимизацию настроек регуляторов РГ для всех режимов работы. Ввиду значительной трудоемкости таких процедур более эффективный подход может быть реализован на основе регуляторов с прогнозирующим звеном. В работе представлено описание киберфизической модели установки РГ и приводится описание самонастраивающегося прогностического регулятора скорости вращения ротора синхронного генератора. Моделирование выполнено в пакете Simulink системы MatLab. Исследовалась эффективность предлагаемого регулятора в нормальных и аварийных режимах. Результаты проведенных экспериментов показали его преимущества и эффективность в сравнении с типовым: провал скорости ротора снижался в среднем на 34 %, перерегулирование уменьшалось на 32 %; при подключении мощной нагрузки перерегулирование напряжения уменьшалось на 21 %; при отключении нагрузки провал напряжения снижался на 13 %; в режиме кратковременного короткого замыкания провал скорости вращения ротора генератора уменьшался в 1,3 раза и в 2,6 раза снижалось перерегулирование этой величины.
Киберфизические системы электроснабжения, установки распределенной генерации, автоматический регулятор скорости, автоматический регулятор возбуждения, прогностические алгоритмы управления, моделирование
Короткий адрес: https://sciup.org/146282422
IDR: 146282422
Список литературы Исследование работы самонастраивающегося прогностического регулятора скорости вращения ротора синхронного генератора на киберфизической модели турбогенераторной установки
- Buason P., Choi H., Valdes A., Liu H. J. Cyber-Physical Systems of Microgrids for Electrical Grid Resiliency, IEEE International Conference on Industrial Cyber Physical Systems (ICPS), 2019, 492-497. DOI: 10.1109/ICPHYS.2019.8780336
- Wang Y., Liu D., Xu X., Dai H. Cyber-physical Power System Modeling for Timing-driven Control of Active Distribution Network, in Journal of Modern Power Systems and Clean Energy, 2020, 8 (3), 549-556. DOI: 10.35833/MPCE.2018.000191
- Pruggler W., Kupzog F., Bletterie B., and Helfried B. Active Grid Integration of Distributed Generation Utilizing Existing Infrastructure more Efficiently - an Austrian Case Study, in Electricity Market, 5th International Conference on European (EEM), 2008, 1-6.
- Lopes J., Hatziargyriou N., Mutale J., Djapic P., and Jenkins N. Integrating distributed generation into electric power systems: A review of drivers, challenges and opportunities, Electric Power Systems Research, 2007, 77(9), 1189-1203.
- Ehsan A., Yang Q. Optimal integration and planning of renewable distributed generation in the power distribution networks: A review of analytical techniques, Appl. Energ., 2018, 210, 44-59. DOI: 10.1016/j.apenergy.2017.10.106
- Ehyaei M. A., Mozafari A. Energy, economic and environmental (3E) analysis of a micro gas turbine employed for on-site combined heat and power production, Energy Build., 2010, 42(2), 259-264.
- Pilavachi P. A. Mini- and micro-gas turbines for combined heat and power, Appl. Therm. Eng., 2002, 22(18), 2003-2014.
- Ellabban O., Abu-Rub H., Blaabjerg F. Renewable energy resources: Current status, future prospects and their enabling technology, Renewable and Sustainable Energy Reviews, 2014, 39, 748-
- Voropai N.I., Stychinsky Z. A. Renewable energy sources: theoretical foundations, technologies, technical characteristics, economics, Magdeburg: Otto-von-Guericke-Universitat, 2010. 223 p.
- Sikorski T., Rezmer J. Distributed Generation and Its Impact on Power Quality in Low-Voltage Distribution Networks, Power Quality Issues in Distributed Generation, Dr. Jaroslaw Luszcz (Ed.), In Tech, 2015, DOI: 10.5772/61172
- Bulatov Y.N., Kryukov A. V., Suslov K. V. Solving the flicker noise origin problem by optimally controlled units of distributed generation, Proceedings of 18th International Conference on Harmonics and Quality of Power (ICHQP), 2018, 1-4. DOI: 10.1109/ICHQP.2018.8378834
- Camacho E. F., Bordons C. Model Predictive Control, 2nd edition Springer, 2007. 405 p.
- Rodriguez J. et al. State of the Art of Finite Control Set Model Predictive Control in Power Electronics, IEEE Transactions on Industrial Informatics, 2013, 9(2), 1003-1016. DOI: 10.1109/ TII.2012.2221469
- Choi D., Lee K. Dynamic Performance Improvement of AC/DC Converter Using Model Predictive Direct Power Control With Finite Control Set, IEEE Transactions on Industrial Electronics, 2015, 62(2), 757-767. DOI: 10.1109/TIE.2014.2352214
- Elmorshedy M.F., Xu W., Liu Y., Allam S. M., Dong M. Speed Control of Linear Induction Motor based on Finite-Set Model Predictive Direct Flux Control, IEEE International Symposium on Predictive Control of Electrical Drives and Power Electronics (PRECEDE), 2019, 1-6. DOI: 10.1109/ PRECEDE.2019.8753329
- Petkar S.G., Eshwar K., Thippiripati V. K. A Modified Model Predictive Current Control of Permanent Magnet Synchronous Motor Drive, IEEE Transactions on Industrial Electronics, 2021, 68(2), 1025-1034. DOI: 10.1109/TIE.2020.2970671
- Pikina G.A., Pashchenko F. F., Pashchenko A. F. Synthesis, Research and Comparative Analysis of Predictive Control Algorithms, International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon), 2020, 1-5. DOI: 10.1109/FarEastCon50210.2020.9271646
- Pashchenko F., Pikina G., Rodomanova Yu. Universal Searchless Method for Parametric Optimization of Predictive Algorithms, Proceedings of the 13th IEEE International Conference on Control & Automation (ICCA2017, Macedonia), Ohrid: IEEE, 2017, 952-957. DOI: 0.1109/ ICCA.2017.8003189
- Pikina G.A., Pashchenko F. F., Pashchenko A. F. Methods to improve accuracy of typical controllers based on predictive algorithms, IEEE8th Conference on Industrial Electronics and Applications (ICIEA), 2013, 613-616. DOI: 10.1109/ICIEA.2013.6566441
- Merzlikina E., Van Va H., Farafonov G. Automatic Control System with an Autotuning Module and a Predictive PID-Algorithm for Thermal Processes, International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 2021, 525-529. DOI: 10.1109/ ICIEAM51226.2021.9446467
- Bulatov Yu.N., Kryukov A. V., Nguen V. H. Simulation of Gas Turbine Power Plants with Voltage and Speed Prognostic Regulators, Int. Russian Automation Conference (RusAutoCon), 2020, 160-164, DOI: 10.1109/RusAutoCon49822.2020.9208114
- Bulatov Yu.N., Kryukov A. V., Nguyen V. H. Automatic prognostic regulators of distributed generators, International Multi-Conference on Industrial Engineering and Modern Technologies. Vladivostok: IEEE, 2018, 1-4. DOI: 10.1109/FarEastCon.2018.8602718
- Bulatov Y., Kryukov A., Suslov K. Methods for Formation and Tunning of Group Prognostic Controller of Hydrogenerators Rotors' Rotational Frequency, Ural-Siberian Smart Energy Conference (USSEC), 2021, 100-105. DOI: 10.1109/USSEC53120.2021.9655741
- Bulatov Y., Kryukov A., Suslov K. Using Group Predictive Voltage and Frequency Regulators of Distributed Generation Plants in Cyber-Physical Power Supply Systems, Energies, 2022, 15, 1253. DOI: 10.3390/en15041253
- Anderson P.M., Fouad A. A. Power System Control and Stability, Second Edition. IEEE Press, 2003. 688 p.
