ISSN: 1814-3520(print)
ISSN: 2500-1590(online)
12+
Вестник Иркутского государственного технического университета
Поиск по сайту

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ УСТАНОВКАМИ РАСПРЕДЕЛЕННОЙ ГЕНЕРАЦИИ

Булатов Юрий Николаевич

2017 / Том 21, №10 (129) 2017 [ ЭНЕРГЕТИКА ]

ЦЕЛЬ. Разработка моделей и методов интеллектуальной настройки регуляторов установок распределенной генерации (РГ) для повышения надежности их интеграции в системы электроснабжения железных дорог (СЭЖД). МЕТОДЫ. Для достижения цели использовались методы моделирования электроэнергетических систем (ЭЭС), СЭЖД и систем управления установками РГ в программной среде MATLAB. В основу предлагаемой адаптивной системы управления турбо- или гидрогенераторами положена методика согласованной настройки их регуляторов, разработанная автором, с применением специализированного программного комплекса ARE&ARRF. Для моделирования предлагаемой мультиагентной системы управления (МАСУ) использовались методы агентного, событийного и динамического моделирования, реализованные в программной среде AnyLogic. РЕЗУЛЬТАТЫ. Результаты компьютерного моделирования показывают эффективность работы предлагаемого адаптивного блока управления настройками автоматического регулятора возбуждения (АРВ) и частоты вращения (АРЧВ) генератора установки РГ, выражающаяся в уменьшении времени переходного процесса и перерегулировании напряжения и частоты вращения ротора генератора. Предлагаемый метод настройки нечеткого регулятора горизонтально-осевой ветрогенерирующей установки (ВГУ) позволяет составить универсальную базу знаний для эффективной работы ВГУ автономно и в составе сетевого кластера. С использованием разработанной модели на базе платформы AnyLogic выполнен эксперимент для оценки эффективности взаимодействия агентов при изменении мощности установки РГ. Положительный эффект предлагаемой МАСУ заключается в значительном снижении времени регулирования и величины перерегулирования напряжения и частоты в системе электроснабжения. ЗАКЛЮЧЕНИЕ. Сложная задача интеграции установок РГ в СЭЖД может быть решена на основе использования интеллектуальных адаптивных систем управления, основанных на применении генетического алгоритма, нечеткого логического вывода, мультиагентных технологий, а также современных методов цифровой обработки сигналов, таких как вейвлет-преобразование, дискретное быстрое преобразование Фурье и весовые окна. Предлагаемая МАСУ установка РГ обладает свойством адаптивности к изменяющимся условиям, что дает возможность эффективно использовать данную технологию при создании активно-адаптивных сетей интеллектуальных систем электроснабжения.

Ключевые слова:

установки распределенной генерации, системы электроснабжения железных дорог, нечеткая система управления, мультиагентная система управления, моделирование

Библиографический список:

  1. Булатов Ю.Н., Крюков А.В., Чан Зюй Хынг. Сетевые кластеры в системах электроснабжения железных дорог: монография. Иркутск: ИрГУПС, 2015. 205 с.
  2. Morzhin Yu.I., Shakaryan Yu.G., Kucherov Yu.N. et al. Smart Grid Concept for Unified National Electrical Network of Russia // CD. Preprints of proceedings of IEEE PES Innovative Smart Grid Technologies Europe 2011, Manchester Dec. 5–7 2011. Manchester, GB: IEEE, The University of Manchester, 2011. Panel session 5D. P. 1–5.
  3. Torriti J. Demand Side Management for the European Supergrid: Occupancy variances of European single-person households // Energy Policy. 2012, vol. 44, pp. 199–206.
  4. Mohsen F.N., Amin M.S., Hashim H. Application of smart power grid in developing countries, IEEE 7th International Power Engineering and Optimization Conference (PEOCO), 2013. DOI:10.1109/PEOCO.2013.6564586.
  5. Bernd M. Buchholz, Zbigniew A. Styczynski. Smart Grids – Fundamentals and Technologies in Electricity Networks // Springer-Verlag Berlin Heidelberg, 2014. 396 p.
  6. Закарюкин В.П., Крюков А.В., Черепанов А.В. Интеллектуальные технологии управления качеством электроэнергии: монография. Иркутск: Изд-во ИрНИТУ, 2015. 218 с.
  7. Magdi S. Mahmoud, Fouad M. AL-Sunni Control and Optimization of Distributed Generation Systems. Cham: Springer International Publishing : Imprint: Springer, 2015. 578 p.
  8. Martínez Ceseña E. A., Capuder T., Mancarella P. Flexible distributed multienergy generation system expansion planning under uncertainty // IEEE Transaction on Smart Grid. 2016, vol. 7, pp. 348-357.
  9. Chen Y., Ma Y., Yun W. Application of Improved Genetic Algorithm in PID Controller Parameters Optimization // Telkomnika. 2013, vol. 11, no. 3, pp. 1524-1530.
  10. Jaen-Cuellar A.Y., Romero-Troncoso R. de J., Morales-Velazquez L., Osornio-Rios R.A. PID-Controller Tuning Optimization with Genetic Algorithms in Servo Systems // International Journal of Advanced Robotic Systems. 2013, vol. 10, pp. 324–337. DOI: 10.5772/56697.
  11. Bulatov Yu.N., Kryukov A.V. “Optimization of automatic regulator settings of the distributed generation plants on the basis of genetic algorithm“, 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). IEEE Conference Publications. 2016, pp. 1–6. DOI: 10.1109/ICIEAM.2016.7911456.
  12. Evgenije Adzic et al. Maximum Power Search in Wind Turbine Based on Fuzzy Logic Control / Evgenije Adzic, Zoran Ivanovic, Milan Adzic, Vladimir Katic // Acta Polytechnica Hungarica. 2009, vol. 6, no. 1, pp. 131–149.
  13. Voropai N.I., Etingov P.V. Two-Stage Adaptive Fuzzy PSS Application to Power Systems // Proc. of International Conference on Electrical Engineering ICEE'2001, July 22–26, Xi'an, China, 2001, vol. 1, pp. 314–318.
  14. Беляев А.Н., Смоловик С.В. Проектирование адаптивных автоматических регуляторов возбуждения с помощью нейронечеткого моделирования // Электричество. 2002. №3. С. 2–9.
  15. Булатов Ю.Н., Крюков А.В., Чан Зюй Хынг. Нечеткие регуляторы для ветрогенерирующих установок // Известия вузов. Проблемы энергетики. 2014. № 7-8. С. 60–69.
  16. Булатов Ю.Н., Крюков А.В., Чан Зюй Хынг. Согласованная настройка регуляторов установок распределенной генерации, работающих в системе электроснабжения железной дороги // Системы. Методы. Технологии. 2015. № 1 (25). С. 94–102.
  17. Булатов Ю.Н., Крюков А.В. Применение вейвлет-преобразования и генетических алгоритмов для настройки автоматических регуляторов установок распределенной генерации // Научный вестник Новосибирского государственного технического университета. 2016. Т. 63. № 2. С. 7–22.
  18. Игнатьев И.В., Булатов Ю.Н. Модели и методы настройки систем регулирования возбуждения генераторов на основе экспериментальных данных: монография. Братск: Изд-во БрГУ, 2016. 278 с.
  19. Булатов Ю.Н., Игнатьев И.В. Программный комплекс для идентификации электроэнергетических систем и оптимизации коэффициентов стабилизации автоматических регуляторов возбуждения // Системы. Методы. Технологии. 2010. № 4 (8). С. 106–113.
  20. Булатов Ю.Н., Крюков А.В. Влияние несимметричной нагрузки на работу турбогенераторов установок распределенной генерации // Системы. Методы. Технологии. 2016. № 3 (31). С. 85–93.
  21. Булатов Ю.Н., Крюков А.В. Влияние нелинейной нагрузки на работу турбогенераторов установок распределенной генерации // Системы. Методы. Технологии. 2016. № 4 (32). С. 95–100.
  22. Волкова И.О., Губко М.В., Сальникова Е.А. Активный потребитель: задача оптимизации потребления электроэнергии и собственной генерации // Проблемы управления. 2013. № 6. С. 53–61.
  23. Strassner J. Using Agents and Autonomic Computing to Build Next Generation Seamless Mobility Services // Keynote Lecture. International Conference on Autonomous Agents and Multi-agent Systems (AAMAS 2007), Honolulu, Hawaii, 2007, vol. 1, p. 1. DOI: 10.1145/1329125.1329127.
  24. De Loach S.A. Moving multi-agent systems from research to practice // Int. J. Agent-Oriented Software Engineering. 2009, vol. 3, no. 4, pp. 378–382.
  25. Скобелев П. О. Мультиагентные технологии в промышленных применениях: к 20-летию основания Самарской научной школы мультиагентных систем // Мехатроника, автоматизация, управление. 2010. № 12. С. 33–46.
  26. Leitao P., Vrba P. Recent Developments and Future Trends of Industrial Agents // Proceedings of HoloMAS-2011, Holonic and Multi-Agent Systems for Manufacturing, Volume 6867 of the series Lecture Notes in Computer Science. Springer Verlag. 2011-2012. P. 15–28.
  27. Miiller J., Fisher К. Application Impact of Multiagent Systems and Technologies: A Survey // In Agent-Oriented Software Engineering book series. Springer. 2013. pp. 1–26.
  28. Массель Л.В., Гальперов В.И. Разработка многоагентных систем распределенного решения энергетических задач с использованием агентных сценариев // Известия Томского политехнического университета. 2015. T. 326. № 5. С. 45–53.
  29. Булатов Ю.Н., Крюков А.В. Мультиагентная система управления установками распределенной генерации // Известия высших учебных заведений. Проблемы энергетики. 2015. № 11–12. С. 97–107.
  30. Булатов Ю.Н., Крюков А.В. Мультиагентные технологии управления в системах электроснабжения с активными потребителями // Труды Братского государственного университета. Серия Естественные и инженерные науки. 2016. Т. 2. С. 145–154.
  31. Булатов Ю.Н., Крюков А.В., Куцый А.П. Мультиагентный подход к управлению режимами систем электроснабжения железных дорог // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 4 (123). С. 108–126. DOI: 10.21285/1814-3520-2017-4-108-126
  32. Столяров Л.Н., Новик К.В. Joiner-сеть для моделирования взаимодействующих параллельных процессов // Моделирование процессов управления. Моск. физ.-тех.. ин-т. М., 2004. С. 81–97.
  33. Приходько М.А., Булатов Ю.Н., Игнатьев И.В. Адаптивный блок согласованной настройки автоматических регуляторов возбуждения и частоты вращения генераторов электростанций // Труды Братского государственного университета. Серия Естественные и инженерные науки. 2014. Т. 1. С. 265–269.
  34. Инструмент имитационного моделирования AnyLogic [Электронный ресурс]: сайт AnyLogic. URL: // http://www.anylogic.ru/ (03.07.2017).

Файлы:

Язык
RuEn

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:2684