سیستم مدیریت انرژی بهینه هوشمند برای منابع توان هیبرید شامل منبع ذخیره ساز انرژی باتری و پیل سوختی

یک سیستم هیبریدی در کم هزینه ترین حالت شامل یکی از منابع کنترل پذیر مانند پیل سوختی می باشد که بتواند در هر لحظه با دریافت ورودی مورد نیاز (در این مورد هیدروژن) و در دمای مشخص توان بار را تامین کند ، در کنار این منبع می توان از منبع ذخیره ساز انرژی باتری به عنوان یک سیستم پشتیبان که در مواقع مورد نیاز توان را ذخیره و یا به صورت دشارژ وارد سیستم کند می باشد که این مسئله بوسیله متغیر SOC باتری انجام می پذیرد .

در یک پروژه پایان نامه تعریف شده ورودی پیل سوختی که هیدروژن ارسال شده از طریق تانک هیدروژنی می باشد مدیریت می شود در اینجا این کنترل بوسیله منطق فازی که از روش های هوشمند می باشد انجام می پذیرد و هدف آن ایجاد خروجی مورد نیاز از طریق پیل سوختی با همان ورودی لازم می باشد که جلوگیری از اتلاف توان را در دستور کار خود دارد .

در کنار این مسئله کنترل شارژ ولتاژ – جریان تطبیقی باتری دیگر هدف می باشد ، در انجام این پایان نامه از انتگرال خطای SOC باتری برای تخمین جریان مورد نیاز برای تنظیم ولتاژ بار خروجی استفاده می شود که مقداری پایدارتر نسبت به خود متغیر SOC باتری می باشد و این مسئله به صورت تطبیقی و با تخمین این جریان بدست می آید که در دینامیک باتری نیز موجود است .

شماتیک زیر روند ساختار کلی کار را نشان می دهد .

 

شماتیک سیستم هیبریدی مورد استفاده و کنترلی آن

هدف اساسی در این سیستم هیبرید که به صورت یک میکروگرید می باشد تثبیت ولتاژ خروجی در حین تغییرات بار می باشد به گونه ای که کمترین ریپل را در ولتاژ خروجی داشته باشیم و تغییرات حالت گذرا در کمترین زمان ممکن رخ دهد .

پس از مدل سازی اولیه برای سیستم پیل سوختی و تانک هیدروژنی که به صورت معادلات دینامیکی بیان می شود (به دلیل لزوم پیاده سازی روش تطبیقی) ، متغیر خروجی SOC باتری نوشته شده و انتگرال خطای SOC از مقدار 50 درصد تنظیم شده است و از این خطا به عنوان متغیر کلیدزنی برای مبدل باتری استفاده شده است . جدول منطق فازی برای سیستم تانک هیدروژنی نیز براساس طبیعت این سیستم و لزوم جلوگیری از اتلاف توان پیل سوختی بیان شده است .

در شبیه سازی این سیستم از نرم افزار متلب استفاده شده است و معادلات دینامیکی به صورت S-function بیان شده اند . برای پیاده سازی منطق فازی از GUI متناظر با آن در متلب استفاده شده است و بار به صورت بار تعریف شده در متلب با تغییر از طریق تابع جانبی عنوان شده است . برای بیان روش تطبیقی از جایگذاری معادلات آن در Matlab function به صورت گسسته در زمان استفاده شده است . 

سیستم های کنترل تطبیقی ، بررسی کاربرد و روش ها

در بررسی دینامیک سیستم ها ، نامعینی یا عدم قطعیت یکی از مسائل مهم در آن می باشد ، با در نظر گرفتن نامعینی در سیستم دینامیکی ما مجاز به استفاده مستقیم از این متغیر نخواهیم بود و نیاز هست تا در قوانین کنترلی جایی برای تدوین یک دینامیک که از آن به دینامیک تخمین گر یا سیستم تطبیقی تعبیر می شود در نظر بگیریم ، بنابه تئوری لیاپانوف این قانون به منظور برقراری شرط دوم آن که منفی شدن مشتق تابع لیاپانوف می باشد بدست می آید ، جایی که علامت عبارت دارای متغیر تطبیق برایمان نامعین بوده و درصدد حذف آن خواهیم بود .

سیستم های کنترل تطبیقی بر چند روش استوارند ، همانند روش های کنترل که بر سه نوع بیان شدند ، سیستم های تطبیقی برای مدل های خطی همچون روش مدل مرجع ، سیستم تطبیقی برای سیستم های غیرخطی همچون روش مدلغزشی یا توابع پیچشی بیان شده در روش گام به عقب و نهایتا روش های هوشمند در بدست آوردن تخمین از متغیرها مانند روش شبکه های عصبی یا فازی که به کرار مورد استفاده قرار گرفته اند .

آنچه در کاربرد سیستم تطبیقی اهیمت بالایی دارد بدست آوردن پایداری داخلی حلقه بسته در ضمن آن می باشد ، به این منظور که هدف نهایی در کاربرد آن محقق شود ، این مسئله بیشتر در سیستم های غیرخطی خود را نشان می دهد . در این مسئله هدف تخمین دقیق پارامتر یا مجموعه پارامترهای مورد اشاره نیست بلکه هدف اصلی بدست آوردن پایداری سیستم و رسیدن به مقادیر مطلوب برای خروجی های سیستم می باشد .

کاربرد سیستم های کنترل فازی در درایو و ماشین :

سیستم های درایو برای انواع ماشین های القائی دارای پیچیدگی های خاص خود به دلیل درایورهای مختلف ، تغییرات پارامتری ، مدل بار و روش های کلیدزنی دارند ، سیستم های کنترل متداول در کلیدزنی این ماشین ها معمولا از روش های مرسوم از جمله PI ، PID برای کاهش خطا و تنظیم پریود زمانی کلیدزنی ها استفاده می کنند ، حال آنکه این روش ها در عمل تحت شرایط خاص قابل انجام می باشند و در نتیجه گیری نیز از لحاظ نتایج کار آنچنان توفیقی ندارند .

• بالا بودن میزان اورشوت 
• بالا بودن زمان نشست سیستم 
• وجود نوسانات حالت ماندگار 
• نوسانات بالای حالت گذرا
• خطای حالت ماندگار

از جمله کیفیت های نامطلوب استفاده از سیستم های کنترل متداول می باشند .

در کنار این مسائل در استفاده از سیستم های کنترل محدودیت های اساسی در دینامیک سیستم نادیده گرفته می شود ، تمامی سیستم های استفاده شده در مدار کنترلر تا خود ماشین و علی الخصوص سیستم درایو دارای نامعینی می باشند ، این نامعینی ها در عمل وجود دارند و بهتر است در تئوری کار در نظر گرفته شوند که در این صورت سیستم های کنترل مرسوم قادر به پایدارسازی سیستم نخواهند بود .

در این حالت ما ناچار به استفاده از دو روش هستیم :

1. به کارگیری مدل دقیق غیرخطی سیستم استفاده شده
2. استفاده از کنترلرهای تطبیق پذیر نظیر شبکه های عصبی ، منطق فازی و یا ترکیب این دو بصورت بهینه

در مورد اول مسلما کار سختی پیش رو خواهیم داشت چرا که یک اینورتر در شبکه های قدرت در تجزیه مُدال با 3 متغیر حالت تعریف می شود حال محاسبه کنید کاربرد این روش برای سیستم دو پل سه فاز با 6 IGBT .

در مورد دوم شناسایی دقیق سیستم بکار رفته از لحاظ رفتار در شرایط گوناگون سیستم نظیر سرعت های پایین ، سرعت بالا ، بی باری ، گشتاور بالا یا پایین ، شرایط خطا و ... و تعریف سیستم کنترلی به صورت ترکیبی از روش های هوشمند و متداول می توانیم بهبود رفتار سیستم در شرایط مختلف را داشته باشیم .

در الگوریتم فازی با انتخاب متغیرهای تاثیرگار به صورت مناسب و ارائه خروجی های مناسب در کنترلر اصلی و یا در سیستم کلیدزنی و ایجاد قوانین براساس منطق فازی (نوع اول یا دوم) نسبت به کنترل کلی آن اقدام کرد .

در شبکه های عصبی نیز بایستی روش را از روی جداسازی و الگوسازی انجام دهیم ، در این حالت بایستی سیستم را تحت شرایط گوناگون مورد آزمایش قرار داده و در تقسیم بندی از آن بهره ببریم .