Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: DG system

Sortuj według:

Ogranicz wyniki do:

A robust voltage H∞ controller in dg-connected inverter based on auto-calibration of adjustable fractional weights

Amieur Oualid, Zidani Fatiha

Przegląd Elektrotechniczny

2022

R. 98, nr 2

21--27

In this paper a H∞ control technique addresses the voltage regulation in distributed generation (DG) system connected to power converter under harmonic disturbances. The DG control technique combines a discrete sliding mode control (DSMC) in the current control and a Robust Servomechanism Problem (RSP) in the voltage control. Besides, a fractional Order Proportional-Integral-Derivative (FOPID) controller synthesized with an automatic calibration of adjustable fractional weights is formulated in this work. For performance and high robustness requirements, the parameters of FOPID are optimized through solving a multiobjective optimization problematic based on the automatic calibration of the weighted-mixed sensitivity problem. Furthermore, for ensuring an adequate calibration of parameters, the Integral of Time Weighted Absolute Error (ITAE) criterion with Genetic Algorithm (GA) are used to achieve better voltage regulation. The simulation results show that it can achieve trade-off between nominal performance (NP) and robust stability (RS) margins for the constrained uncertain plants in the large range frequencies. Also, the results validate the effectiveness of the proposed control at which both low total harmonic distortion (THD) and low tracking error.

W niniejszym artykule technika sterowania H∞ dotyczy regulacji napięcia w systemie generacji rozproszonej (DG) podłączonym do przekształtnika mocy w warunkach zakłóceń harmonicznych. Technika sterowania łączy dyskretne sterowanie w trybie ślizgowym (DSMC) w sterowaniu prądem i solidny problem z serwomechanizmem (RSP) w sterowaniu napięciem. Poza tym, w niniejszej pracy sformułowano regulator ułamkowo całkująco-różniczkujący (FOPID) zsyntetyzowany z automatyczną kalibracją regulowanych mas ułamkowych. Parametry FOPID są optymalizowane poprzez rozwiązanie problemu optymalizacji wielokryterialnej opartej na autokalibracji problemu wraźliwości mieszanej ważonej dla wymagań dotyczących odporności między nominalną wydajnością (NP), solidną stabilnością (RS) marżami i kompromisem między nimi w dużych zakres częstotliwości. Wyniki symulacji potwierdzają skuteczność proponowanego sterowania, przy którym zarówno wysoka odporność, jak i niskie całkowite zniekształcenia harmoniczne (THD).

Neural network-based allocation and self-improved firefly-based optimal sizing of fuel cells in distributed generation systems

Subramanyam T. C., Tulasi Ram S. S., Subrahmanyam J. B. V.

Control and Cybernetics

2018

Vol. 47, no. 4

357--381

The notion of Distributed Generation (DG) refers to the production of power at the level of consumption. Production of energy on-site, instead of offering it centrally, reduces the cost, internal dependencies, difficulties, inefficiencies, and risks that are related to transmission and distribution systems. In case DG is realized with fuel cells, several issues exist in respect to allocating and sizing of these fuel cells in the system. For solving those issues, dual stage intelligent technique is employed in this paper. First, the Neural Networks (NN) technique is adopted for determining the required location to place the fuel cells. Secondly, an enhanced version of Self Improved Fire-Fly (SIFF) algorithm is adopted for finding the optimal size of the fuel cells. The implemented technique is simulated in four IEEE benchmark test bus systems, and the respective performance analysis along with statistical analysis serves for validation purposes. The here proposed technique is compared with six other known algorithms, namely Particle Swarm Optimization (PSO), Firefly (FF) algorithm, Artificial Bee colony (ABC) algorithm, Improved Artificial Bee colony algorithm (IABC), Genetic Algorithm (GA) and Global Search Optimizer (GSO). The results obtained from the comparative analysis show the enhanced performance of the proposed mechanism.