پایان نامه كنترل میكروتوربین با استفاده از شبكه های عصبی

پایان نامه كنترل میكروتوربین با استفاده از شبكه های عصبی

چکیده

میکروتوربین ها (MT) به عنوان یک منبع تولید انرژی در سیستم های DG، کاربردهای فراوانی پیدا کرده و روز به روز نیاز کاربران به آنها بیشتر میشود. میکروتوربین ها، نمونه کوچکی از توربین های گازی میباشد، که به علت حجم کم، تعداد کم قطعات متحرک، اندازه کوچک، وزن سبک، بازدهی خوب در تولید همزمان، آلایندگی کم، استفاده از سوختهای زاید، فواصل طولانی تعمیرات و عمل در فشارهای کم گاز، در کانون توجه تولیدکنندگان و مصرف کنندگان انرژی الکتریکی قرار گرفته است. این پایان نامه کنترل یک میکروتوربین را با استفاده از کنترل کننده های PI و شبکه عصبی معرفی میکند. میکروتوربین سه حلقه کنترلی دارد، این سه حلقه، دما، توان و سرعت میباشند. به علاوه میکروتوربین، به یک مولد سنکرون (SG) که شامل یک حلقه کنترل ولتاژ میباشد، متصل است. در این پایان نامه یک کنترل کننده شبکه عصبی با چهار ورودی و چهار خروجی به جای چهار حلقه کنترل کننده PI برای کنترل میکروتوربین و ژنراتور سنکرون استفاده شده است. میکروتوربین ها به دو دسته میکروتوربین های

تک محور یا سرعت بالا و میکروتوربین های دومحور یا سرعت پایین تقسیم میشوند. از یک مدل میکروتوربین دومحوره برای شبیه سازی، استفاده شده است. در میکروتوربین های دومحور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. چرخدنده برای کاهش سرعت تا 3600rpm مورد استفاده قرار میگیرد و با استفاده از یک ژنراتور سنکرون 2 قطبی، فرکانس ولتاژ تولیدی 60Hz خواهد شد و هیچ نیازی به تجهیزات الکترونیکی برای کاهش فرکانس لازم نمیباشد. 

در این پایان نامه جهت شبیه سازی از مدلهای موجود در جعبه ابزار Simulink نرم افزار MATLAB استفاده شده است همچنین برنامه تولید و آموزش شبکه عصبی در محیط نرم افزار MATLAB  نوشته شده است. با استفاده از روشهای بهبود عملکرد شبکه عصبی و بهبود آموزش آن، نتایج کنترل کننده شبکه عصبی بهبود یافته است. سه شاخص اندازه گیری خطا، که عبارت از خطای میانگین مطلق (AME)، خطای مربع میانگین ریشه ها (RMSE) و خطای انحراف استاندارد (SDE) می باشند، برای مقایسه عملکرد میکروتوربین با کنترل کننده های شبکه عصبی و PI استفاده شده است. با توجه به نتایج بدست آمده، کنترل میکروتوربین با کنترل کننده شبکه عصبی در مقایسه با کنترل کننده PI عملکرد بهتری را نشان میدهد. 

مقدمه: 

استفاده از مولدهای کوچک برای تولید برق بعد از ایجاد نیروگاه های بزرگ رنگ باخت، اما با پیشرفت تکنولوژیهای تولید برق در مقیاس کوچک و ایجاد تجدید ساختار در صنعت برق و مسائل زیست محیطی، باعث مطرح شدن مجدد این مولدها در صنعت تولید برق شده است. عموماً DG یا تولید پراکنده عبارتست از تولید برق در محل مصرف اما در بعضی مواقع به تکنولوژی هایی گفته میشود که از منابع تجدیدپذیر برای تولید برق استفاده میکنند. چیزی که عموماً مورد قبول است، این است که این مولدها صرف نظر از نحوه تولید توان آنها، نسبتاً کوچک میباشد و مستقیماً به شبکه توزیع وصل میشوند. بالا رفتن هزینه های انتقال و توزیع، به مولدهای تولید پراکنده این امکان را میدهد که برق تولیدی خود را به قیمتی ارزانتر در اختیار مصرفکنندگان قرار دهد. علاوه بر این تولید پراکنده امکان استفاده از منابع پاک برای تولید برق را میدهد. 

تولید پراکنده یکی از سیستم های متناوب تولید نیروی الکتریکی میباشد. نیاز به تولید پراکنده با توجه به محدودیت کیفیت توان و نیازمندیهای سیستم از لحاظ قابلیت اطمینان بسیار مورد توجه قرار گرفته است. در سیستم تولید پراکنده، منابع انرژی متناوب با مقیاس کوچک یا تجدیدپذیر در مجاورت مرکز بار قرار داده میشوند. اخیراً تکنولوژی های زیادی در زمینه تولید پراکنده در حال بررسی میباشد. این تکنولوژیها شامل پیلهای خورشیدی، توربینهای بادی، پیلهای سوختی و توربینهای گازی کوچک یا میکروتوربین (MT) است. 

میکروتوربین یکی از منابع انرژی است که توسط ژنراتورهای الکتریکی با سرعت بالا، میتواند توانی در بازه 10MW – 30kW را برای کاربران سیستمهای تولید پراکنده تامین نماید. این واحدها بسیار ساده و کوچک بوده و نصب راحت و هزینه بهره برداری پایینی دارند. همچنین هزینه نگهداری این واحدها به علت داشتن فقط یک قطعه متحرک، بسیار پایین میباشد. 

پیشرفت تکنولوژی توربوشارژرها، توربینهای گازی و سیستمهای جانبی سبب توسعه کاربرد میکروتوربینها گشته است. میکروتوربینها توربینهای گازی کوچک و سادهای هستند و قسمتهای اصلی آن کمپرسور، محفظه احتراق و توربین میباشد. هوای فشرده خروجی کمپرسور بهنگام اختلاط با سوخت موجود، مخلوط قابل احتراقی ایجاد میکند. سوختن این مخلوط در محفظه احتراق باعث ایجاد جریان گاز گرم محرک توربین میگردد. میکروتوربینها به دو دسته میکروتوربینهای تک محور یا سرعت

بالا و میکروتوربینهای دو محور یا سرعت پایین تقسیم میشوند. ساختار میکروتوربین های تک محور صورتی است که کمپرسور، توربین، ژنراتور بر روی یک محور نصب شدهاند. در میکروتوربینهای دو محور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. میکروتوربین متصل شده به ژنراتور سنکرون، چهار حلقه کنترلی توان، دما، سرعت و ولتاژ میباشد. خروجی سه حلقه اول به منظور تعیین نوع کنترل سیستم سوخت رسانی وارد بلوکی بنام درگاه کمترین مقدار میگردد. حلقه ولتاژ جهت پایدارسازی ولتاژ سیستم در طول تغییر بار بکار گرفته میشود. در این پایان نامه اختلاف بین دو کنترل کننده در یک میکروتوربین 250kW مدل میکروتوربین در مرجع توضیح داده شده است. کنترل کننده اول شبکه عصبی (NN) و کنترل کننده دوم PI میباشد. مشخصه اصلی کنترل کننده های شبکه عصبی حساسیت کم آنها نسبت به نویز و نیاز به اطلاعات اولیه کم است که علت انتخاب این روش برای کنترل سیستم میکروتوربین میباشد. همچنین کنترل کننده های شبکه عصبی دارای سرعت و قابلیت اطمینان بالا بوده و برای کنترل فرآیندهایی که بصورت بلادرنگ کنترل میشوند، از جمله میکروتوربین ها، کاربرد دارد.

در فصل اول پس از آشنایی با کلیات تولید پراکنده و همچنین مزایا و معایب آن، به بررسی میکروتوربینها و کاربرد آنها میپردازیم. همچنین در این فصل پیشینه تحقیقاتی کنترل میکروتوربین، روش کار و شیوه ابداعی به صورت اجمالی بررسی میشوند. 

جهت کنترل یک واحد میکروتوربین گازی باید عملکرد توربین گازی، گاورنر و سیستم تحریک آن، مورد بررسی قرار گیرد. در نتیجه در فصل 2 توربین گازی و گاورنر و سیستم تحریک تشریح و مدل سازی میشود. در این فصل همچنین مدل میکروتوربین که در شبیه سازی های فصل 3 استفاده شده، بررسی میشود. با توجه به اینکه از شبکه عصبی به عنوان کنترل کننده اصلی میکروتوربین در این پایان نامه استفاده شده است به همین منظور شبکه عصبی و کاربرد آن به صورت کلی بحث میشود، در ادامه راهکارهایی جهت بهبود عملکرد شبکه عصبی مطرح میشود. 

شبیه سازی مدل ارائه شده در فصل 3 انجام میشود همچنین طراحی و تولید شبکه عصبی و آموزش آن در این فصل مورد بررسی قرار میگیرد. راهکارهای بهبود عملکرد شبکه نیز در این فصل اعمال میشود. 

نتایج شبیه سازی و مقایسه سه شاخص اندازه گیری خطا در فصل 4 مطرح میشود. 

و در پایان با توجه به نتایجی که در فصل 4 آمده است به نتیجه گیری در مورد این پایان نامه و ارائه پیشنهاداتی خواهیم پرداخت. 

اطلاعات لازم جهت تولید و آموزش شبکه عصبی و همچنین نمای کلی از شبیه سازی های انجام شده در پیوست آمده است.