THIẾT KẾ ĐIỀU KHIỂN HỌC TĂNG CƯỜNG  CHO HỆ THỐNG PV-FESS TRONG VI LƯỚI

Lại Thị Thanh Hoa; Nguyễn Thị Mai Hương; Đỗ Trung Hải; Lại Khắc Lãi; Nguyễn Đức Toàn

doi:10.34238/tnu-jst.12260

THIẾT KẾ ĐIỀU KHIỂN HỌC TĂNG CƯỜNG CHO HỆ THỐNG PV-FESS TRONG VI LƯỚI

Thông tin bài báo

Ngày nhận bài: 10/03/25 Ngày hoàn thiện: 09/05/25 Ngày đăng: 09/05/25

Các tác giả

1. Lại Thị Thanh Hoa , Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên
2. Nguyễn Thị Mai Hương, Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên
3. Đỗ Trung Hải, Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên
4. Lại Khắc Lãi, Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên
5. Nguyễn Đức Toàn, Trường Cơ khí - Đại học Bách khoa Hà Nội

Tóm tắt

Nghiên cứu này giới thiệu một chiến lược điều khiển dựa trên học tăng cường mới cho hệ thống quang điện kết nối lưới tích hợp với hệ thống lưu trữ năng lượng bánh đà. Phương pháp được đề xuất thay thế điều khiển dòng điện vòng kép thông thường của sơ đồ Điều khiển định hướng trường cho động cơ cảm ứng trong FESS bằng một tác nhân học tăng cường dựa trên thuật toán Gradient chính sách xác định sâu. Bộ điều khiển thông minh này tận dụng điểm mạnh của học tăng cường để xử lý các tính phi tuyến tính và sự không chắc chắn của tham số vốn có trong hệ thống bánh đà lưu trữ năng lượng. Các mô phỏng trong MATLAB/Simulink đánh giá hiệu suất của hệ thống điều khiển được đề xuất trong các điều kiện hoạt động khác nhau. Kết quả chứng minh rằng bộ điều khiển dựa trên Gradient chính sách xác định sâu vượt trội hơn các bộ điều khiển Tích phân tỷ lệ truyền thống trong việc đảm bảo sản lượng điện ổn định cho lưới điện, ngay cả khi có những biến động đáng kể trong việc phát quang điện. Phương pháp điều khiển được đề xuất giúp tăng cường độ ổn định của hệ thống, tối ưu hóa động lực lưu trữ năng lượng và duy trì chất lượng điện, góp phần áp dụng rộng rãi hơn các giải pháp lưu trữ năng lượng thông minh trong tích hợp năng lượng tái tạo.

Từ khóa

Gradient chính sách xác định sâu; Hệ thống lưu trữ năng lượng bánh đà; Máy điện cảm ứng; Vi lưới; Học tăng cường

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] A. Hirscha, Y. Paraga, and J. Guerrero, “Microgrids: A review of technologies, key drivers, and outstanding issues," Renewable and Sustainable Energy Reviews, vol. 90, pp. 402–411, 2018, doi: 10.1016/j.rser.2018.03.040.

[2] T. B. Nadeem, M. Siddiqui, M. Khalid, and M. Asif, "Distributed energy systems: A review of classification, technologies, applications, and policies," Energy Strategy Reviews, vol. 48, 2023, Art. no. 101096, doi: 10.1016/j.esr.2023.101096.

[3] K. Xu, Y. Guo, G. Lei, and J. Zhu, "A Review of Flywheel Energy Storage System Technologies," Energies, vol. 16, 2023, Art. no. 6462, doi: 10.3390/en16186462.

[4] P. Tiwari, A. Kafle, P. Bijukchhe, and A. Bhattarai, "A review on Energy Storage Systems," Journal of Physics: Conference Series, vol. 2629, 2023, Art. no. 012024, doi: 10.1088/1742-6596/2629/1/012024.

[5] R. Cardenas, R. Pena, G. Asher, and J. Clare, "Power Smoothing in Wind Generation Systems Using a Sensorless Vector Controlled Induction Machine Driving a Flywheel," IEEE Transactions on Energy Conversion, vol.19, no. 1, pp.206-216, March 2004.

[6] O. Aydogmus, G. Boztas, R. Celikel, "Design and analysis of a flywheel energy storage system fed by matrix converter as a dynamic voltage restorer," Energy, vol. 238, 2022, Art. no. 121687.

[7] L. T. Rasheed and M. K. Hamzah, "Design of an Optimal Backstepping Controller for Nonlinear System under Disturbance," Engineering and Technology Journal, vol. 39, Part A, no. 03, pp. 465-476, 2021.

[8] A. Laware, A. Jadhav, Y. Solat, R. Padale, and S. Ghaytadak, "Design of Sliding Mode Control Strategy for Induction Motor," International Journal for Research in Applied Science & Engineering Technology (IJRASET), vol. 11, no. v, pp.7429-7434, May 2023.

[9] V. R. Reddy, V. C. V. Reddy, and V. C. J. Mohan, "Speed Control of Induction Motor Drive Using Artificial Neural Networks- Levenberg-Marquardt Backpropogation Algorithm," International Journal of Applied Engineering Research, vol. 13, no. 1, pp. 80-85, 2018.

[10] M. Magdy, S. Abu-Zaid, and M.A. Elwany, "Artificial intelligent techniques based on direct torque control of induction machines," International Journal of Power Electronics and Drive Systems (IJPEDS), vol. 12, no. 4, pp. 2070-2082, December 2021.

[11] Ayesha and A. Y. Memon, "Reinforcement Learning Based Field Oriented Control of An Induction Motor" 2022 Third International Conference on Latest trends in Electrical Engineering and Computing Technologies (INTELLECT), Karachi, Pakistan, 2022, pp. 1-8, doi: 10.1109/INTELLECT55495.2022.9969403.

[12] D. Weber, M. Schenke, and O. Wallscheid, "Steady-State Error Compensation for Reinforcement Learning-Based Control of Power Electronic Systems," IEEE Acces, vol. 11, pp.76524-76536, 2023.

DOI: https://doi.org/10.34238/tnu-jst.12260

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ