Optimal Design of PI D A controller for wind turbine systems by Cuckoo Search

• Autorzy: Cheunpirom Montree , Puangdownreong Deacha

Identyfikatory

DOI

10.15199/48.2022.07.19

Warianty tytułu

PL

Optymalny projekt kontrolera PI D A dla systemów turbin wiatrowych firmy Cuckoo Search

• Języki publikacji: EN

Abstrakty

EN

The fractional-order proportional-integral-derivative-accelerated (FOPIDA) controller (or PI D A ) is the generalization of the PID controller family. It consists of seven parameters, i.e. the proportional gain Kp, the integral gain Ki, the derivative gain Kd, the accelerated gain Ka, the integral order , the derivative order  and the accelerated order . All orders are real rather than an integer. These make the PI D A controller more flexible in design process for a wide range of dynamic systems. This paper presents the optimal design of the PI D A controller based on modern optimization approach for a drive train and a pitch control of the wind turbine systems by using the cuckoo search (CS), one of the most powerful metaheuristic optimization techniques. Results obtained by the PI D A controller will be compared with those obtained by the integer-order proportional-integral-derivative-accelerated (IOPIDA) controller. As results, it was found that the PI D A controller outperforms the IOPIDA in both input-tracking and load-regulating responses, significantly.

PL

Regulator FOPIDA (lub PI D A) jest uogólnieniem rodziny regulatorów PID. Składa się z siedmiu parametrów, tj. wzmocnienia proporcjonalnego Kp, wzmocnienia całkowania Ki, wzmocnienia różniczkowania Kd, wzmocnienia przyspieszonego Ka, rzędu całkowania , rzędu różniczkowania i rzędu przyspieszonego . Wszystkie zamówienia są rzeczywiste, a nie liczby całkowite. Dzięki temu regulator PI D A jest bardziej elastyczny w procesie projektowania dla szerokiej gamy systemów dynamicznych. W artykule przedstawiono optymalny projekt regulatora PI D A oparty na nowoczesnym podejściu do optymalizacji układu napędowego i sterowania nachyleniem systemów turbin wiatrowych z wykorzystaniem przeszukiwania kukułkowego (CS), jednej z najpotężniejszych metaheurystycznych technik optymalizacji. . Wyniki otrzymane przez regulator PI D A zostaną porównane z wynikami uzyskanymi przez regulator proporcjonalno-całkująco-różniczkujący (IOPIDA). W rezultacie stwierdzono, że regulator PI D A znacznie przewyższa IOPIDA zarówno pod względem śledzenia wejścia, jak i odpowiedzi regulacji obciążenia.

Słowa kluczowe

EN

PI control; wind turbine system; drive train control system; Pitch control system; cuckoo search

PL

kontroler PI; turbina wiatrowa; cuckoo search

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 7
• Strony: 110--115
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Cheunpirom Montree

• Department of Electrical Engineering, Faculty of Engineering, Southeast Asia University (SAU), 19/1 Petchkasem Rd, Nonghkaem, Bangkok, 10160, Thailand

autor

Puangdownreong Deacha

• Department of Electrical Engineering, Faculty of Engineering, Southeast Asia University (SAU), 19/1 Petchkasem Rd, Nonghkaem, Bangkok, 10160, Thailand

Bibliografia

• [1] Podlubny I., Fractional-Order Systems and Fractional-Order Controllers, UEF-03-94, Slovak Academy of Sciences, Kosice, (1994)
• [2] Podlubny I., Fractional-Order Systems and PI D -Controllers, IEEE Transactions on Automatic Control, 44 (1999), 208-214
• [3] Shah P., Agashe A., Review of Fractional PID Controller. Mechatronics, 38 (2016), 29-41
• [4] Chen Y. Q., Petráš I., Dingyü X., Fractional Order Control - A Tutorial, Proceedings of the American Control Conference, (2009), 1397-1411
• [5] Jung S., Dorf R.C., Analytic PIDA Controller Design Technique for a Third Order System, Proceedings of the 35th IEEE Conference on Decision and Control, (1995), 2513-2518
• [6] Bettou K., Charef A., Optimal Tuning of Fractional Order PI D A Controller using Particle Swarm Optimization Algorithm, Proceedings of the 20th World The International Federation of Congress Automatic Control, (2017), 8084-8089
• [7] Bettou K., Charef A., Optimal Fractional Order PI D A Controller Design for Bioreactor Control using Particle Swarm Optimization, Proceedings of the 6th International Conference on Systems and Control, (2017), 481-486
• [8] Puangdownreong D., A Novel Fractional-Order PI D A Controller and Its Design Optimization Based on Spiritual Search, International Review of Automatic Control, 12 (2019), 271-280
• [9] Cheunpirom M., Hlangmanthip S., Puangdownreong D., Optimal Tuning of Fractional-Order PI DA Controller by Cuckoo Search Algorithm, Proceedings of the 2nd Artificial Intelligence and Cloud Computing Conference, (2019), 178-183
• [10] Naama F.Z., Zegaoui A., Djahbar A., Aillerie M., Simulation and Modeling of a Small Permanent Magnet Synchronous Generator Wind Turbine Directly from Its Datasheet, Przeglad Elektrotechniczny, R. 96 NR 7/2020, (2020), 8-12
• [11] Perng J.W., Chen G.Y., Hsieh S.C., Optimal PID Controller Design Based on PSO-RBFNN for Wind Turbine Systems, Energies, 7 (2014), 191-209
• [12] Anderson C.G., Richon J.B., Campbell T.J., An Aerodynamic Moment-Controlled Surface for Gust Load Alleviation on Wind Turbine Rotors, IEEE Transactions on Control System Technology, 6 (1998), 577-595
• [13] Wang J., Tse N., Gao Z., Synthesis on PI-Based Pitch Controller of Large Wind Turbines Generator, Energy Conversion and Management, 52 (2011), 1288-1294
• [14] Yang X.S., Deb S., Cuckoo Search via Lévy Flights, Proceedings of the World Congress on Nature & Biologically Inspired Computing, (2009), 210-214.
• [15] Yang X.S., Cuckoo Search and Firefly Algorithm: Overview and Analysis, Studied in Computational Intelligence: Cuckoo search and Firefly Algorithm Theory and Applications, Springer, (2014), 1-26
• [16] Khluabwannarat P., Puangdownreong D., Parallel Flower Pollination Algorithm and Its Application to Fractional-Order PID Controller Design Optimization for BLDC Motor Speed Control System, Przeglad Elektrotechniczny, R. 96 NR 11/2020, (2020), 78-83
• [17] Wongkhead S., Tunyasrirut S., Implementation of a DSP-TMS320F28335 Based State Feedback with Optimal Design of PI Controller for a Speed of BLDC Motor by Ant Colony Optimization, Przeglad Elektrotechniczny, R. 97 NR 7/2021, (2021), 7-12
• [18] Hamouda N., Babes B., Kahla S., Hamouda C., Boutaghane A., Particle Swarm Optimization of Fuzzy Fractional PDµ+I Controller of a PMDC Motor for Reliable Operation of Wire-Feeder Units of GMAW Welding Machine, Przeglad Elektrotechniczny, R. 96 NR 12/2020, (2020), 40-46
• [19] Tepljakov A., Petlenkov E., Belikov J., FOMCON: Fractional-Order Modeling and Control Toolbox for MATLAB, Proceedings of the 18th International Conference on Mixed Design of Integrated Circuits and Systems (MIXDES ’11), (2011), 684-689
• [20] Tepljakov A., Petlenkov E., Belikov J., FOMCON: a MATLAB Toolbox for Fractional-Order System Identification and Control, International Journal of Microelectronics and Computer Science, 2 (2011), 51-62

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).