Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2023 - zeszyt 9

Comparative performance analysis of variable speed controllers in a wind energy system using NARMA L2 neuro-controller and Super- twisting sliding mode controller

Analiza porównawcza wydajności regulatorów zmiennej prędkości w systemie energetyki wiatrowej z wykorzystaniem neurokontrolera NARMA L2 i kontrolera trybu ślizgowego Superskręcanie

10.15199/48.2023.09.28

nr katalogowy: 145250
10.15199/48.2023.09.28

Streszczenie

Wind turbine performance is affected by wind speed, which can cause fluctuations in the frequency and voltage levels of the grid, leading to blackouts. To preserve grid stability, it is important to regulate wind turbine speed. In this paper, a comparative study of a super-twisting sliding mode controller and a NARMA L2 neuro-controller is implemented to control variable speed in a wind generator system, regarding their overshoot value, settling time, and rise time. The proposed controller’s performance has been verified in MATLAB®/Simulink. The simulation results indicate the greater performance of the NARMA-L2 neuro-controller in terms of robustness and the fastest dynamic response

Abstract

Na wydajność turbiny wiatrowej wpływa prędkość wiatru, która może powodować wahania częstotliwości i napięcia w sieci, co prowadzi do przerw w dostawie prądu. Aby zachować stabilność sieci, ważne jest, aby regulować prędkość turbiny wiatrowej. W niniejszej pracy przeprowadzono analizę porównawczą super-skrętnego regulatora trybu ślizgowego i neuro-kontrolera NARMA L2 do sterowania zmienną prędkością w systemie generatora wiatrowego, w odniesieniu do ich wartości przekroczenia, czasu ustalania i czasu narastania. Działanie proponowanego regulatora zostało zweryfikowane w programie MATLAB®/Simulink. Wyniki symulacji wskazują na większą wydajność neurosterownika NARMA-L2 w zakresie odporności i najszybszej odpowiedzi dynamicznej

Słowa kluczowe

Keywords

Bibliografia

[1] Sanchez Gomez, M., & Lundquist, J. K. (n.d.). The effect of wind direction shear on turbine performance in a wind farm in central Iowa. https://doi.org/10.5194/wes-2019-22
[2] Slootweg, J. G., & Kling, W. L. (2003). The impact of large scale wind power generation on power system oscillations. Electric Power Systems Research, 67(1), 9–20. https://doi.org/10.1016/S0378-7796(03)00089-0
[3] Liu, Y., & Zhang, J. (2018). Research on the effects of wind power grid to the distribution network of Henan province. AIP Conference Proceedings, 1955.
[4] Ahmed, S. D., Al-Ismail, F. S. M., Shafiullah, M., Al-Sulaiman, F. A., & El-Amin, I. M. (2020). Grid Integration Challenges of Wind Energy: A Review. In IEEE Access (Vol. 8, pp. 10857–10878). Institute of Electrical and Electronics Engineers Inc.
[5] Boukhezzar, B., & Siguerdidjane, H. (n.d.). Nonlinear Control of Variable Speed Wind Turbines without wind speed easurement. Proceedings of the 44th IEEE Conference on Decision and Control.
[6] Furat Abdal Rassul Abbas and Mohammed Abdulla Abdulsada. Simulation of Wind-Turbine Speed Control by MATLAB; nternational Journal of Computer and Electrical Engineering, Vol. 2, No. 5, October, 2010 1793-8163
[7] Asghar, A. B., & Liu, X. (2018). Adaptive neuro-fuzzy algorithm to estimate effective wind speed and optimal rotor speed for variable-speed wind turbine. Neurocomputing, 272, 495– 504.
[8] Song, Y. D., Dhinakaran, B., & Bao, X. Y. (n.d.). Variable speed Control of wind turbines using nonlinear and adaptive algorithms.
[9] Muyeen, S. M., & Al-Durra, A. (2013). Modeling and control strategies of fuzzy logic controlled inverter system for grid interconnected variable speed wind generator. IEEE Systems Journal, 7(4), 817–824.
[10] Nasiri, M., Mobayen, S., & Zhu, Q. M. (2019). Super-Twisting Sliding Mode Control for Gearless PMSG-Based Wind Turbine. Complexity, 2019. https://doi.org/10.1155/2019/6141607
[11] Ahmed, S., Adil, H. M. M., Ahmad, I., Azeem, M. K., Huma, Z. E., & Khan, S. A. (2020). Super twisting sliding mode Algorithm based nonlinear MPPT control for a solar PV system with artificial neural networks based reference generation. Energies, 13(14).
[12] Doumi, M. H., Aissaoui, A., Tahour, A., Abid, M., & Tahir, K. (2016). Nonlinear integral backstepping control of wind energy Conversion system based on a Double – Fed Induction Generator. Przegląd Elektrotechniczny, 92(3), 130-135.
[13] A. J. Mahdi, W. H. Tang, Q. H. Wu, “Derivation of a complete transfer function for a wind turbine generator system by experiments,” in Proc. 2011 IEEE Power Engineering and Automation Conference, Vol. 1, pp. 35-38, 2011.
[14] R. Karthik , A. Sri Hari , Y. V. Pavan Kumar , D. John Pradeep “Modelling and Control Design for Variable Speed Wind Turbine Energy System”. 2020 International Conference on Artificial Intelligence and Signal Processing (AISP)  January 10-12, 2020, VIT-AP University, Amaravati, Andhra Pradesh, India- 52223.
[15] Yang, C., Ren, E., & Dang, J. (2012). Analysis research of control method model on automobile brake test rig. Przegląd Elektrotechniczny, 88(7b), 375-378.
[16] Al-Dujaili, A. Q., Falah, A., Humaidi, A. J., Pereira, D. A., & Ibraheem, I. K. (2020). Optimal super-twisting sliding mode Control design of robot manipulator: Design and comparison study. International Journal of Advanced Robotic Systems, 17(6).
[17] Dekali, Z., Baghli, L., & Boumediene, A. (2021). Improved Super twisting based high order direct power sliding mode Control of a connected dfig variable speed wind turbine. Periodica Polytechnica Electrical Engineering and Computer Science, 65(4), 352–372.
[18] Dash, S. (n.d.). Load Frequency Control of Solar PV and Solar Thermal Integrated Micro grid using Narma-L2 Controller
[19] Alhanjouri, M. (2015). Speed Control of DC Motor Using Artificial Neural Network. International Journal of Science and Research, 6, 2319–7064.
[20] Koleva, R., Lazarevska ,A. M., & Babunski, D. (2022). Artificial Neural Network based Neuro controller for Hydropower Plant Control. TEM Journal, 11(2) , 506 – 512

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2023-9 , nr katalogowy 145250 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2023-9 licencja: Osobista Produkt cyfrowy Nowość	70.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2023-9

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma