Parameter identification of doubly fed induction generator (DFIG) using particle swarm optimization (PSO) algorithm

• Autorzy: Bakari Mohammed , Arama Fatima Zohra , Ouiedali Omar

Identyfikatory

DOI

10.15199/48.2024.09.51

Warianty tytułu

PL

Identyfikacja parametrów generatora indukcyjnego zasilanego dwustronnie (DFIG) przy użyciu algorytmu optymalizacji roju cząstek (PSO)

• Języki publikacji: EN

Abstrakty

EN

The objective of this study is to determine the parameters of the doubly fed induction generator (DFIG), which is a crucial first step in wind turbine power generation. This research focuses on understanding the dynamics of the DFIG system and aims to develop more precise control systems for network movement and the exchange of active and reactive energy, especially at high speeds in this domain. This research utilizes the particle swarm optimization (PSO) approach to perform DFIG parametric identification. The model simulation is adapted to the identical settings in the MATLAB/Simulink software environment. The identification findings of the "PSO" method are compared to those of traditional testing and validated based on their accuracy and convergence to the energy source values obtained by the dSPACE panel. The findings obtained using the "PSO" algorithm demonstrate superior effectiveness and performance compared to the conventional identification approach.

PL

Celem tego badania jest określenie parametrów generatora indukcyjnego z podwójnym zasilaniem (DFIG), który jest kluczowym pierwszym krokiem w wytwarzaniu energii przez turbinę wiatrową. Badania te skupiają się na zrozumieniu dynamiki systemu DFIG i mają na celu opracowanie bardziej precyzyjnych systemów sterowania ruchem sieci oraz wymianą energii czynnej i biernej, szczególnie przy dużych prędkościach w tej dziedzinie. W badaniach tych wykorzystano podejście optymalizacji roju cząstek (PSO) do przeprowadzenia identyfikacji parametrycznej DFIG. Symulacja modelu dostosowana jest do identycznych ustawień w środowisku oprogramowania MATLAB/Simulink. Wyniki identyfikacji metody „PSO” porównuje się z wynikami tradycyjnych testów i waliduje na podstawie ich dokładności i zbieżności z wartościami źródła energii uzyskanymi przez panel dSPACE. Wyniki uzyskane przy użyciu algorytmu „PSO” wykazują wyższą skuteczność i wydajność w porównaniu z konwencjonalnym podejściem do identyfikacji.

Słowa kluczowe

EN

doubly fed induction generator; DFIG; parameter identification; classic test; particle swarm optimization; PSO

PL

generator indukcyjny z podwójnym zasilaniem; DFIG; identyfikacja parametrów; próba klasyczna; optymalizacja roju cząstek; PSO

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 9
• Strony: 261--266
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Bakari Mohammed

• Department of Electrical Engineering, Laboratory LDDI, University of Adrar, Adrar, Algeria

autor

Arama Fatima Zohra

• Department of Electrical Engineering, Laboratory LDDI, University of Adrar, Adrar, Algeria

autor

Ouiedali Omar

• Department of Electrical Engineering, Laboratory LDDI, University of Adrar, Adrar, Algeria

Bibliografia

• [1] Mourad H., Zohir M , Said M , Seddik B ,parametric identification of the doubly fed induction machine, Pnergie Procedia, 18 (2012) 177-125
• [2] Dehnavifard H., Wozniak A.C., Khan M.A., Barendse P.S.,Determination of Paramètres of Doubly Fed Induction Generators, XXII International. Conference On Electrical Machines(ICEM)., Lausanne , Switzerland , 2016
• [3] Huynh D.C., Dunnigan M.W., Parameter estimation of an induction machine using advanced particle swarm optimisation, IET Electric power application 4.9(2010): 748-760.
• [4] Bestani M., Dermouch S., Identification of the Parameters of double induction fed machine, Master thesis, University of Mouloud Maameri, Tizi-ouzou, Algeria, 2016.
• [5] Rui Wang., Zhizhong Maoak., Parameters Identification Methode for Hammerstein Systems Based on PSO Algorithm, 27th Chinese Control and Decision Conference(CCDC), 2015.
• [6] Bouderbala M., Bossoufi B., Aroussi H., Lagrioui A., Taoussi M., Elghamrasni M., Modeling and Power Controls of Wind Energy Conversion Systems Based on Doubly Fed Induction Generator, IEEE,978-1-7281-1182-7/18, 2018.
• [7] Loucif M., Mechernene A., Maximum power point tracking for wind turbine with nonlinear direct power control of DFIG integrated to grid using VOC, Przegląd Elektrotechniczny, ISSN 0033-2097 , R.99 NR 4/2023.
• [8] Boudali A., Negadi K., Boudiaf M., Berkani A., Marignett F., Super Twisting Sliding Mode Controller of Small Hydropower Plant Energy Generation based DFIG, Przegląd Elektrotechniczny, ISSN 0033-2097 , R.96 NR 10/2020.
• [9] Yousfi L., Bouchernha A., Bechouat M., Boukrouch A., Induction Machine Parametre Identification: A comaraison Between Gas and PSO Approaches, Eighth International Conference and Exhibition on Ecological Vehicles and Renewable Energies (EVER),2013.
• [10] Medewar P.G., Munje R.K., PSO with Modified Objective Function for Performance Enhancement of PMDC Motor, 5th International Conference on Energy Systems and Applications(ICESA 2015), Institute of Engineering and Technology, Pune, India, 2015.
• [11] Hutchison G.I., Zahawi B., Harmer K., Stedall B., Giaouris D., Synchronous Machine Parameter Identification Using Partcle Swarm Optomosation, University, UK .
• [12] Fanjie Y., Yun Z., Jing Q., Youtao Li., Shihao Xie., Parameter Identification of Doubly-Fed Induction Wind Turbine Based on the ISIAGWO Algorithm, Energies 2023, 16,1355.
• [13] Omar S.H., Roberto M.C., Jose R.,M., Hayde P.,B., Julio Noel H.,P., Parameter Identification of PMSMs Using Experimental Measurements and a PSO Algorithm, IEEE Transaction on Instrumentation and Mesurment, 2015.
• [14] Halali Y., Ghaitaoui T., Ouledali O., Ghaitaoui A.E., Laribi S., Sliding Mode based PSO MPPT for Solar PV System, Przegląd Elektrotechniczny, ISSN 0033-2097, R.100 NR 1/2024.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).