НАУЧНЫЙ ВЕСТНИК


НОВОСИБИРСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА

ISSN (печатн.): 1814-1196          ISSN (онлайн): 2658-3275
English | Русский

Последний выпуск
№3(72) Июль - Сентябрь 2018

Применение вейвлет-преобразования и генетических алгоритмов для настройки автоматических регуляторов установок распределенной генерации

Выпуск № 2 (63) Апрель - Июнь 2016
Авторы:

Ю.Н. БУЛАТОВ,
А.В. КРЮКОВ
DOI: http://dx.doi.org/10.17212/1814-1196-2016-2-7-22
Аннотация
В последнее время возрастают требования к функционированию электроэнергетических систем, направленные на повышение надежности электроснабжения потребителей, качества электроэнергии и энергоэффективности. Реализация этих требований осуществляется на основе целенаправленного внедрения технологий интеллектуальных сетей (SmartGrid), которые позволяют наиболее рационально использовать энергетические ресурсы.

Концепция SmartGrid предусматривает создание развитой системы автоматического управления режимами ЭЭС на базе активных устройств и установок распределенной генерации (РГ), для эффективной работы которых необходимо решение задачи оптимальной настройки автоматических регуляторов возбуждения и частоты вращения генераторов, входящих в состав этих установок.

В статье приведено описание методики применения вейвлет-преобразования и генетических алгоритмов для согласованной настройки АРВ и АРЧВ генераторов применительно к установке РГ, работающей в системе электроснабжения железной дороги. Показана эффективность применения технологии вейвлет-преобразования для выделения шума регулятора, используемого при идентификации и получении с помощью частотных передаточных функций экспериментальной структурно-математической модели установки РГ. Предлагаемый адаптивный ГА позволяет достаточно быстро решать задачу поиска оптимальных коэффициентов регулирования АРВ и АРЧВ, в том числе и с учетом их взаимного влияния. Описанные в работе алгоритмы реализованы на языке MATLAB в специализированном программном комплексе, предназначенном для идентификации ЭЭС и оптимизации настроек АРВ и АРЧВ генераторов.

Результаты компьютерного моделирования, полученные на модели СЭЖД с установками РГ в MATLAB, показывают эффективность предлагаемой методики, обеспечивающей необходимый запас устойчивости и хорошее демпфирование электромеханических колебаний в системе.

 
Ключевые слова: электроэнергетические системы, установки распределенной генерации, вейвлет-преобразование, идентификация, оптимизация настроек автоматических регуляторов, генетические алгоритмы, автоматический регулятор возбуждения, автоматический регулятор частоты вращения, согласованная настройка

Список литературы
1. Концепция интеллектуальной электроэнергетической системы России с активно-адаптивной сетью / под ред. В.Е. Фортова, А.А. Макарова. – М.: ФСК ЕЭС, 2012. – 235 с.

2. Булатов Ю.Н., Крюков А.В., Чан Зюй Хынг. Сетевые кластеры в системах электроснабжения железных дорог. – Иркутск: ИрГУПС, 2015. – 205 с.

3. Булатов Ю.Н. Методика согласованной настройки автоматических регуляторов возбуждения и частоты вращения генераторов электростанций: автореф. дис. … канд. техн. наук. – Иркутск, 2012. – 22 с.

4. Добеши И. Десять лекций по вейвлетам: пер. с англ. – М.: РХД, 2001. – 464 с.

5. Проскуряков А.Ю., Белов А.А., Кропотов Ю.А. Алгоритмы автоматизированных систем экологического мониторинга промышленных производств. – М.; Берлин: Директ-Медиа, 2015. – 121 с.

6. Holland J.H. Adaptation in natural and artificial systems. – Cambridge, MA: MIT Press, 1992. – 211 p.

7. Goldberg D.E. Simple genetic algorithms and the minimal deceptive problem // Genetic Algorithms and Simulated Annealing. – Los Altos, CA: Morgan Kauffman, 1987. – Ch. 6. – P. 74–88.

8. Goldberg D.E. Genetic algorithm in search, optimization and machine learning. – Reading, MA: Addison-Wesley Longman Publ., 1989. – 322 p.

9. Saad M.S., Jamaluddin H., Darus I.Z.M. Implementations of PID-controller tuning using differential evolution and genetic algorithm [Electronic resource] // International Journal of Innovate Computing, Information and Control. – 2012. – Vol. 8, N 11. – P. 7761–7779. – Available at: http://www.ijicic.org/ijicic-11-07073.pdf (accessed: 06.06.2016).

10. Chen Y., Ma Y., Yun W. Application of improved genetic algorithm in PID controller parameters optimization [Electronic resource] // Telkomnika. – 2013. – Vol. 11, N 3. – P. 1524–1530. Available at: http://www.iaesjournal.com/online/index.php/TELKOMNIKA/article/viewFile/2301/pdf (accessed: 06.06.2016).

11. Сабанин В.Р., Смирнов Н.И, Репин А.И. Модифицированный генетический алгоритм для задач оптимизации в управлении // Exponenta Pro. Математика в приложениях. – 2004. – № 3/4 (7/8). – С. 78–85.

12. PID-controller tuning optimization with genetic algorithms in servo systems / A.Y. Jaen-Cuellar, R.de J. Romero-Troncoso, L. Morales-Velazquez, R.A. Osornio-Rios // International Journal of Advanced Robotic Systems. – 2013. – Vol. 10. – P. 324. – doi: 10.5772/56697.

13. Ayman A.A. PID parameters optimization using genetic algorithm technique for electrohydraulic servo control system // Intelligent Control and Automation. – 2011. – N 2. – P. 69–76. – doi: 10.4236/ica.2011.22008.

14. Slavov T., Roeva O. Application of genetic algorithm to tuning a PID controller for glucose concentration control [Electronic resource] // WSEAS Transactions on Systems. – 2012. – Vol. 11, N 7. – P. 223–233. – Available at: http://www.wseas.org/multimedia/journals/systems/2012/55-286.pdf (accessed: 07.06.2016).

15. Дунаев М.П., Куцый Н.Н., Лукьянов Н.Д. Параметрическая оптимизация системы управления насосной станцией с помощью генетического алгоритма // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. – 2014. – № 8. – С. 194–205. – doi: 10.7463/0514.0721172.

16. Булатов Ю.Н., Игнатьев И.В. Оптимизация коэффициентов регулирования системы АРЧМ с использованием генетического алгоритма // Современные технологии. Системный анализ. Моделирование. – 2009. – № 1 (21). – С. 150–153.

17. Труханов К.А., Попов Д.Н. Выбор оптимальных параметров гидропривода вентилятора для системы охлаждения двигателя транспортного средства // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. – 2013. – № 7. – С. 91–100. – doi: 10.7463/0713.0590873.

18. Сорокин Д.В. Выбор настроек АРВ генераторов сложной энергосистемы на основе применения генетического алгоритма и методов модального анализа: автореф. дис. … канд. техн. наук. – СПб., 2009. – 24 с.

19. Michalewicz Z. Genetic algorithms + data structures = evolution programs. – 3rd rev. and extended ed. – Berlin; Heidelberg: SpringerVerlag, 1996. – 387 p.

20. Еремеев А.В. Разработка и анализ генетических и гибридных алгоритмов для решения задач дискретной оптимизации: aвтореф. дис. … канд. физ.-мат. наук. – Омск, 2000. – 16 с.

21. 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.

 
Просмотров: 1318