به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

adaptive neural-fuzzy network controller

در نشریات گروه برق
تکرار جستجوی کلیدواژه adaptive neural-fuzzy network controller در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه adaptive neural-fuzzy network controller در مقالات مجلات علمی
  • علی اکبر حبیبی، برزو یوسفی، عبدالرضا نوری شیراز، محمد رضوانی

    امروزه، ژنراتورهای القایی دو سو تغذیه و سلول های خورشیدی به طور گسترده ای در صنایع مختلف و نیروگاه های بادی در حال استفاده هستند که هر کدام با استفاده از روش های کنترلی مختلفی مورد بهره برداری قرار گرفته اند. در میان روش های ارایه شده به منظور کنترل DFIG، روش کنترل مستقیم توان بیشتر مورد توجه بوده است. استفاده از این روش به دلیل مزایایی همانند مقاومت در برابر تغییر پارامترها، پاسخ دینامیکی سریع، عدم وجود مدار کنترل جریان، افزایش قابلیت اطمینان و کاهش پیچیدگی سیستم، در مقایسه با سایر روش های کنترلی دارای برتری های نسبی بوده است. هرچند نوسانات توان، گشتاور زیاد، فرکانس سوییچینگ بالا و عملکرد ضعیف در توان های پایین، از جمله معایب این روش کنترلی هستند. از سوی دیگر در میان روش های کنترل سلول های خورشیدی، مدل کنترلی منبع امپدانسی Z بسیار مورد توجه پژوهشگران و بهره برداران قرار گرفته است. هر کدام از این روش ها به طور جداگانه، بسیار مورد مطالعه قرار گرفته اند. در پژوهش حاضر، جهت کنترل ساختار شبکه هیبریدی، ساختار کنترل پیشنهادی متشکل از مدل منبع امپدانسی Z و سیستم کنترلی تطبیقی عصبی- فازی برای بهبود عملکرد سیستم پیشنهاد داده می شود که دارای ساختار ساده و دقت کنترلی بالا است، نسبت به تغییرات سیستم مقاوم بوده و می تواند با صرف هزینه پایین و در محیط زمان واقعی پیاده سازی شود. به منظور تایید کارایی و برتری این روش کنترلی، سناریوهای مختلفی در نظر گرفته شده و با روش دیگری نیز مقایسه شده است. نتایج شبیه سازی نشان دهنده کاهش قابل توجه نوسانات توان و ولتاژ، افزایش دامنه ولتاژ، گشتاور و جریان ژنراتور و همچنین افزایش قابلیت اطمینان سیستم بوده است.

    کلید واژگان: ژنراتور القایی دو سو تغذیه، سیستم هیبرید، کنترل کننده تطبیقی عصبی- فازی، مبدل منبع امپدانسی
    ali akbar habibi, borzou yousefi, abdolreza noori shirazi, mohammad rezvani

    Renewable energies outfitted with low latency assets as wind turbines and photovoltaic exhibits give significant adverse consequences through power framework dynamic protections. For this issue, in view of fostering a high voltage direct current (HVDC) interface, a versatile Neuro-Fuzzy-based damping regulator is introduced in this paper for working on unique execution of low inertia resources associated with power frameworks. The created power framework comprises of various age sources including seaward and inland wind turbines (WTs), photovoltaic exhibits (PVs) and limited doubly fed induction generators (DFIGs) which are incorporated together through an interconnected framework. For this situation, thinking about various functional and innovative conditions, damping execution of proposed ANFIS plot is assessed. The proposed plot is a non-model-based regulator which utilizes the benefits of both neural and fluffy rationales together for giving a quick and secure design of damping regulator through continuous recreations. To research ANFIS plot through genuine cases, considering a commonplace microgrid comprises of various low-latency assets (for example WT, PV, DFIG), the framework damping exhibitions through hamper occasions are assessed. Recreation results demonstrate viability and effectiveness of the proposed plot for damping dynamic motions of low inertia resources with high damping proportions with respect to extreme issue occasions.

    Keywords: Hybrid system, DFIG, adaptive neural-fuzzy network controller, impedance source convert
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال