Групповые прогностические регуляторы напряжения и частоты для установок распределенной генерации

Цель – определение влияния предлагаемых групповых прогностических регуляторов напряжения и частоты для установок распределенной генерации на показатели качества процесса управления в различных режимах работы системы электроснабжения. Использовались методы теории автоматического управления. Исследования проводились в среде MatLab с применением пакетов имитационного моделирования Simulink и SimPowerSystems. Предложен метод формирования и настройки групповых прогностических регуляторов на основе определения резонансной частоты колебаний ротора ведущего генератора. Указанный подход позволяет получить лучшие показатели качества управления напряжением и частотой в системе электроснабжения при сохранении прежних настроек регуляторов установок распределенной генерации. Установлено, что при подключении дополнительной нагрузки в изолированной системе электроснабжения в 1,75 раза снижается максимальный провал напряжения по сравнению с локальным прогностическим регулированием, а по сравнению с обычными регуляторами – в 3,5 раза. Для указанного режима использование прогностических регуляторов в 3 раза уменьшает время переходного процесса скорости вращения ротора синхронного генератора. В режиме пуска мощного электродвигателя (благодаря прогностическим регуляторам синхронных генераторов в системе электроснабжения) в 1,5 раза уменьшается провал напряжения, а после пуска в 1,4 раза снижается перенапряжение. При кратковременном трехфазном коротком замыкании по сравнению с локальным регулированием групповые прогностические регуляторы позволяют в 1,5 раза уменьшить время переходного процесса и в 2,3 раза величину перерегулирования для частоты в сети. При этом также уменьшается колебательность частоты в сети. Аналогичные эффекты наблюдаются и в других режимах работы рассматриваемых систем электроснабжения с установками распределенной генерации. Динамическое моделирование подтвердило эффективность использования групповых прогностических регуляторов напряжения и частоты для установок распределенной генерации, заключающуюся в положительном влиянии на качество процессов управления параметрами системы электроснабжения в различных режимах работы.

1. Fathabad A. M., Cheng Jianqiang, Pan Kai, Qiu Feng. Data-driven planning for renewable distributed generation integration // IEEE Transactions on Power Systems. 2020. Vol. 35. Iss. 6. P. 4357–4368. https://doi.org/10.1109/TPWRS.2020.3001235.

2. Melgar-Dominguez O. D., Pourakbari-Kasmaei M., Mantovani J.R.S. Adaptive robust short-term planning of electrical distribution systems considering siting and sizing of renewable energy based DG units // IEEE Transactions on Sustainable Energy. 2019. Vol. 10. Iss. 1. P. 158–169. https://doi.org/10.1109/TSTE.2018.2828778.

3. Ehsan A., Yang Qiang. Optimal integration and planning of renewable distributed generation in the power distribution networks: a review of analytical techniques // Applied Energy. 2018. Vol. 210. P. 44–59. https://doi.org/10.1016/j.apenergy.2017.10.106.

4. Ceseña E. A. M., Capuder T., Mancarella P. Flexible distributed multienergy generation system exp ansion planning under uncertainty // IEEE Power and Energy Society General Meeting (Boston, 17 –21 July 2016). Boston: IEEE, 2016. Vol. 7. P. 348 –357. https://doi.org/10.1109/PESGM.2016.7741088.

5. Rezvani M. M., Mehraeen S. A new approach for steady-state analysis of a hybrid AC-DC microgrid // IEEE Texas Power and Energy Conference (TPEC) (Texas, 7–8 February 2019). Texas: IEEE, 2019. P. 1–5. https://doi.org/10.1109/TPEC.2019.8662128.

6. Liere-Netheler I., Schuldt F., Maydell K., Agert C. Simulation of incidental distributed generation curtailment to maximize the integration of renewable energy generation in power systems // Energies. 2020. Vol. 13. No. 16. P. 4173. https://doi.org/10.3390/en13164173.

7. Suslov K., Shushpanov I., Buryanina N., Ilyushin P. Flexible power distribution networks: new opportunities and applications // Proceedings of the 9th International Conference on Smart Cities and Green ICT Systems (SMARTGREENS). 2020. P. 57–64. https://doi.org/10.5220/0009393300570064.

8. Sikorski T., Rezmer J. Distributed generation and its impact on power quality in low-voltage distribution networks // Power Quality Issues in Distributed Generation. 2015. https://doi.org/10.5772/61172.

9. Bulatov Yu. N., Kryukov A. V., Suslov K. V. Solving the flicker noise origin problem by optimally controlled units of distributed generation // 18th International Conference on Harmonics and Quality of Power. 2018. https://doi.org/10.1109/ICHQP.2018.8378834.

10. Saad M. S., Jamaluddin H., Darus I. Z. M. Implementation of PID controller tuning using differential evolution and genetic algorithms // International Journal of Innovate Computing, Information and Control. 2012. Vol. 8 . No. 11. P. 7761–7779.

11. Chen Ying, Ma Yong-jie, Yun Wen-xia. Application of Improved genetic algorithm in PID controller parameters optimization // Telkomnika. 2013. Vol. 11. No. 3. P. 1524-1530. https://doi.org/10.11591/telkomnika.v11i3.2301.

12. 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). 2016. https://doi.org/10.1109/ICIEAM.2016.7911456.

13. Пикина Г. А. Принцип управления по прогнозу и возможность настройки систем регулирования одним параметром // Новое в российской электроэнергетике. 2014. № 3. С. 3–13.

14. Pikina G. A., Pashchenko F. F., Pashchenko A. F. Synthesis, research and comparative analysis of predictive control algorithms // International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). 2020. https://doi.org/10.1109/FarEastCon50210.2020.9271646.

15. Bulatov Yu. N., Kryukov A. V., Nguen Van Huan. Simulation of gas turbine power plants with voltage and speed prognostic regulators // International Russian A utomation Conference (RusAutoCon). 2020. https://doi.org/10.1109/RusAutoCon49822.2020.9208114.

16. Bulatov Yu. N., Kryukov A. V., Nguyen Van Huan. Automatic prognostic regulators of distributed generators // International Multi -Conference on Industrial Engineering and Modern Technologies (FarEastCon). 2018. https://doi.org/10.1109/FarEastCon.2018.8602718.

17. Pashchenko F., Pikina G., Rodomanova Yu. Universal searchless method for parametric optimization of predictive algorithms // 13th IEEE International Conference on Control & Automation (Ohrid, 3–6 July 2017). Ohrid: IEEE, 2017. P. 952 –957. https://doi.org/10.1109/ICCA.2017.8003189.

18. Бушуев В. В., Лизалек Н. Н., Новиков Н. Л. Дин амические свойства энергосистем. М.: Энергоатомиздат, 1995. 320 с.

19. Vittal V., McCalley J. D., Anderson P. M., Fouad A. A. Power system control and stability. 3rd Edition. Hoboken: Wiley-IEEE Press, 2019. 832 p.

20. Меркурьев Г.В., Шаргин Ю.М. Устойчивость энергосистем. В 2-х т., т. 2. СПб.: НОУ «Центр подготовки кадров энергетики», 2008. 376 с.