سپنتا کتاب اکسپرس
مقاله بهینه‌سازی کنترل‌های شبکه‌ساز با استفاده از جستجوی اکسترمم مبتنی بر رله برای بهبود عملکرد گذرا

مقاله بهینه‌سازی کنترل‌های شبکه‌ساز با استفاده از جستجوی اکسترمم مبتنی بر رله برای بهبود عملکرد گذرا

این مقاله یک چارچوب بهینه‌سازی تطبیقی بلادرنگ را بر اساس کنترل جستجوی اکسترمم (ESC) برای تنظیم پویای ضریب افت توان فعال در اینورترهای تشکیل‌دهنده شبکه (GFM) پیشنهاد می‌کند. این ضریب نقش حیاتی در پایدا...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

بهینه‌سازی کنترل‌های شبکه‌ساز با استفاده از جستجوی اکسترمم مبتنی بر رله برای بهبود عملکرد گذرا

Optimizing Grid-Forming Controls using Relay-based Extremum Seeking to Enhance Transient Performance

نویسندگان: Kyung-Bin Kwon, Min Gyung Yu, Sayak Mukherjee, Timothy I. Salsbury

شناسه منبع: arxiv / 2605.14161

دسته: Systems and Control

چکیده (فارسی)

این مقاله یک چارچوب بهینه‌سازی تطبیقی بلادرنگ را بر اساس کنترل جستجوی اکسترمم (ESC) برای تنظیم پویای ضریب افت توان فعال در اینورترهای تشکیل‌دهنده شبکه (GFM) پیشنهاد می‌کند. این ضریب نقش حیاتی در پایداری سیستم‌های قدرت مدرن با نفوذ بالای منابع مبتنی بر اینورتر (IBRs) دارد، اما تنظیم دقیق آن برای دستیابی به اهداف متضاد مانند میرایی، زمان نشست، نرخ تغییر فرکانس (RoCoF) و کمترین مقدار فرکانس (frequency nadir) چالش‌برانگیز است. تابع هزینه چندهدفه معرفی شده در این پژوهش، اهداف عملکردی متعارضی چون انرژی نوسان، کمترین مقدار فرکانس، RoCoF و عملکرد نشست پس از اختلال را متعادل می‌سازد. اعتبار سنجی این رویکرد از طریق شبیه‌سازی‌های عددی بر روی یک سیستم اصلاح‌شده ۶۸ باس IEEE انجام شده است. نتایج نشان می‌دهند که تابع هزینه نسبت به پارامتر افت، محدب است که این امر بهینه‌سازی مبتنی بر گرادیان را توجیه می‌کند. علاوه بر این، الگوریتم ESC با موفقیت ضریب افت بهینه متغیر با زمان را در زمان واقعی و با تغییر شرایط شبکه ردیابی می‌کند و در نتیجه عملکرد قوی و نزدیک به بهینه سیستم را بدون نیاز به مدل تحلیلی شبکه تضمین می‌نماید.

Abstract (English)

Grid-forming (GFM) inverters are essential for enhancing stability in modern power systems with high penetration of inverter-based resources (IBRs). However, their performance highly depends on control parameters tuning, particularly the active power-frequency droop coefficient. This parameter presents a trade-off among competing objectives, including damping, settling time, rate of change of frequencies (RoCoF) and frequency nadirs. This paper proposes a real-time, adaptive optimization framework based on Extremum Seeking Control (ESC) to dynamically tune the GFM droop gain. A multi-objective cost function balances conflicting performance goals such as oscillation energy, frequency nadir, RoCoF, and post-disturbance settling performance. The approach is validated through numerical simulations on a modified IEEE 68-bus system. Results demonstrate that the cost function is convex with respect to the droop parameter, justifying gradient-based optimization. Furthermore, the ESC algorithm successfully tracks the time-varying optimal droop coefficient in real-time as network conditions change, thereby ensuring robust and near-optimal system performance without requiring an analytical grid model.

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.