كنترل نيروگاه‌هاي خورشيدي سهموي خطي با كنترل كننده مدل پيش‌بين

Control of Parabolic Trough Solar Plant with Model Predictive Controller

اين مقاله يك ساختار كنترل سلسله مراتبي براي كنترل دماي روغن خروجي كلكتورها در نيروگاه خورشيدي سهموي خطي پيشنهاد كرده است. از جمله چالش هاي مهم اين سيستم مي توان غيرقابل دستكاري بودن منبع انرژي، محدوديت هاي فيزيكي موجود در سيستم و وجود اغتشاشات ورودي نظير تابش خورشيد و دماي روغن ورودي را نام برد. همچنين اين عوامل در پارامترهاي مدل سيستم نيز وجود دارند كه به طور دايم در حال تغييرند. از همين رو، اين سيستم با گذشت زمان تغيير مي كند. لذا در لايه پايين كنترل جهت كنترل دما در اين سيستم با توجه به مشكلات موجود در آن، ابتدا مدل رياضي سيستم به كمك معادلات ديفرانسيل حاصل مي شود و سپس به كمك اين معادلات مدل سيستم به صورت تكه اي خطي مي گردد و در نهايت، مدل خطي شده گسسته مي شود و از مدل خطي شده حاصل براي كنترل دما در كلكتورهاي خورشيدي بر اساس روش كنترل مدل پيش بين بهره برده مي شود. يكي ديگر از چالش هاي مهم در نيروگاه هاي خورشيدي تنظيم دماي مرجع مناسب با توجه به عوامل موثر بر سيستم مي باشد كه موجب افزايش راندمان و كاهش خطاي انساني مي گردد. از همين رو، در لايه بالاي كنترل از منطق فازي براي نيل به اين هدف بهره برده شده است. الگوريتم كنترل با داده‌هاي گرفته شده از ايستگاه آليس اسپرينگز استراليا اعتبارسنجي شده است. نتايج شبيه سازي عملكرد مناسب منطق فازي در ايجاد دماي مرجع مناسب و كنترل كننده مدل پيش بين را در كنترل دماي اين سيستم نشان مي دهد.

This paper presents a hierarchical control structure that has been applied to control the outlet oil temperature of solar parabolic trough plants. This should be achieved through changes in the field oil flow, non-manipulated energy source, the physical constraints of the system and multiple input disturbances such as solar radiation, inlet oil temperature and ambient temperature. These factors also are in the system model parameters that are changing constantly, so the system will be varying time. In lower layer for temperature control, the mathematical model is obtained by differential equations and then the model system being piecewise linear and finally linearization model is discretized and the linearization model is used based on the model predictive control method for control the temperature of the solar collectors. Another major challenges in solar power plants, regulate to reference temperature related to effective factors of the system is due enhancing the efficiency and reducing the human error. Therefore the fuzzy logic controller has been utilized for this purpose in the upper layer. The control algorithm is validated with real data taken from the Alice springs Airport station in springs (Australia). The simulation results show the performance of fuzzy logic in the creation of the reference temperature and model predictive controller in tracking the reference temperature.