طراحي بهينه ي كنترل كننده ي ذخيره ساز انرژِي مغناطيسي به منظور كاهش نوسانات زير سنكرون

Optimal Design of the Magnetic Energy Storage Controller to Reduce the Sub-Synchronous Fluctuations

افزايش تقاضا براي الكتريسيته ي مصرفي، طراحان را به آن وا داشته است كه راه حل هايي اصولي در ارتباط با اين افزايش تقاضا ارايه كنند. جبران سازي سري خطوط انتقال طولاني يك راه حل اقتصادي براي پاسخگويي به اين افزايش تقاضا مي باشد، چرا كه ظرفيت خطوط را براي عبور حداكثر توان انتقالي آزاد مي سازد و پايداري سيستم را بهبود مي بخشد. در جبران سازي سري خطوط انتقال معضلي وجود دارد كه با نام تشديد زير سنكرون شناخته مي شود. در اين مقاله مساله-ي پديده ي تشديد زير سنكرون به صورت يك مساله ي بهينه سازي چند هدفه حل مي گردد. تجهيز جبران ساز به كار رفته شده براي جبران توان راكتيو، ابررساناي ذخيره ساز انرژي مغناطيسي مي باشد. توابع هدف به كار رفته به صورت انرژي ابررساناي ذخيره ساز انرژي مغناطيسي، تغييرات سرعت روتور و اختلاف بين توان مكانيكي ورودي و توان الكتريكي خروجي مي باشد. الگوريتم بهينه سازي پيشنهادي در اين مقاله، الگوريتم ژنتيك مي باشد كه بر سيستم كنترلي اينورتر ابررساناي ذخيره ساز انرژي مغناطيسي اعمال مي شوند. براي اثبات كارايي اين الگوريتم هاي پيشنهادي، روش هاي پيشنهادي بر روي شبكه ي نمونه ي استاندارد IEEE first benchmark پياده سازي مي گردد و نتايج حاصل از هر يك از اين روشها استخراج شده و با يكديگر مقايسه مي شوند.

The increase in electricity consumption has forced the designers to come up with solutions to respond to these consumption increase. The series compensator for long transmission lines is an economical solution to this consumption increase since it increases the line capacity for maximum power transfer and improves the system stability. There is an issue in series compensation of transmission lines called subsynchronous resonance. In this paper the subsynchronous resonance problem is solved as a multi objective optimization problem. The compensation device utilized for series power compensation is called superconductor magnetic energy storage. The utilized cost functions are the energy of the superconductor magnetic energy storage rotor speed changes and the difference between input mechanical power and the output electrical power. The proposed optimization algorithm in this paper is the Genetic Algorithm which is used on the control system of the superconductor magnetic energy storage inverter. In order to verify the operation of these proposed algorithms the proposed methods are implemented on the standard recommended IEEE first benchmark network and the results for each of these proposed methods are extracted and compared.