هدف این مقاله ، مدلسازی نیروگاه­ هیدرولیک کوچک و کنترل آن براساس شبکه عصبی میباشد.

منظور از مدلسازی نیروگاه­ هیدرولیک کوچک، نیروگاه­ هیدرولیک با ظرفیت بسیار اندک است. مهم­ترین مسئله حال حاضر این است که تغییر در تقاضای بار باعث ناپایداری ولتاژ تولیدی نیروگاه و فرکانس آن می­شود. استفاده از یک سیستم حلقه بسته با کنترلر PID، که بتواند فرکانس خروجی را تحت کنترل قرار دهد ودر موارد لزوم پارامترها را تثبیت کند، همواره از سوی محققین پیشنهاد شده است.

سیستم کنترل باید یک شبکه عصبی مبتنی بر کنترلر PID باشد که قادر به تنظیم موثر گاورنر و میزان آب عبوری از توربین است. بلوک شبکه عصبی با استفاده از الگوریتم Brandt-Lin تشکیل می­شود که کنترلر را به منظور تطبیق و تنظیم تغییرات بازده سیستم توانمند می­سازد. در این مقاله، مشاهده می­شود که بهترین و دقیق­ترین نتیجه با استفاده از شبکه عصبی حاصل می­شود که به شکل موثری باعث بهبود عملکرد سیستم می­شود.

مهم­ترین ایده این مقاله، ایجاد کنترلر PID  مبتنی بر شبکه­ های عصبی به منظور  کنترل نیروگاه­ هیدرولیک کوچک است. این سیستم کنترل قادر به تنظیم چرخش توربین و حفظ پایداری و تنظیم فرکانس خروجی به هنگام تغییر بار است.  سیستم پیشنهادی، یک سیستم کنترل حلقه بسته با فیدبک از خروجی ژنراتور است. با تنظیم میزان آب عبوری از گاورنر، چرخش توربین به صورت خودکار در نقطه کار مورد نظر صورت می­گیرد. با پایدار شدن چرخش توربین، ژنراتور قادر به تولید ولتاژ در فرکانس ۵۰ هرتز خواهد بود. مدل­سازی پلانت برای مطالعه عملکرد نیروگاه­ هیدرولیک کوچک با استفاده از سرو موتور  به عنوان گاورنر، صورت پذیرفته که شامل ۵ بلوک (کنترلر PID، گاورنر، سروموتور، توربین و ژنراتور) است.

یکی از کاربردهای ارزشمند شبکه­ های عصبی، بهینه ­سازی و انتخاب مناسب بهره ­های کنترلرPID  است. با توجه به نتایج شبیه­ سازی، کنترلر PID  مبتنی بر شبکه عصبی، قادر به پایدارسازی سیستم، با صفر نمودن خطای حالت ماندگار فرکانس خروجی جین تغییرات بار است

مدلسازی نیروگاه­ هیدرولیک کوچک و کنترل آن براساس شبکه عصبی

 Modeling of Micro-Hydro Power Plant and Its

Control Based On Neural Network

Published in:  International Research Journal of Engineering and Technology

Date of Publication: 2015

برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد کنترل

دانشگاه فردوسی مشهد

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• گزارش کامل مقاله و الگوریتم
• پیوست سورس کد

دانلود فایل