کنترل توربین های بادی سرعت متغیر با استفاده از روش های هوشمند مبتنی بر کوانتوم

یکی از اهداف اصلی در سیستم های انرژی بادی، کسب بیشترین توان ممکن در کوتاهترین زمان از باد است.این هدف با بکارگیری الگوریتم های دنبال کردن حداکثر توان(mppt)حاصل می شود. در طراحی این الگوریتم ها توجه به دو نکته حائز اهمیت است. یکی این که مشخصه عملکرد بهینه توان مکانیکی (orcm) و الکتربکی (orce)،در سیستم های توربین بادی متفاوت از یکدیگر بوده و در صورتی که سیستم در orce کار کند، توان الکتریکی بیشتری حاصل خواهد شد و دیگر آن که رفتار سیستم های توربین بادی، شدیدا غیر خطی بوده و عملکرد مناسب کنترلرهای هوشمند در سیستم های غیرخطی انکار ناپذیر است. در این پایان نامه، سیستم های سرعت متغیر مبتنی بر ژنراتور سنکرون آهنربا دائم همراه با پل دیودی ومبدل dc/dc و باتری، به عنوان سیستم مورد مطالعه در نظر گرفته می شود. ابتدا یک روش نو بر پایه حساب تغییرات، جهت دستیابی به حداکثر توان ارائه می گردد. روش پیشنهادی، برخلاف اکثر روشهای قبلی، که سعی در ماکزیمم کردن انرژی مکانیکی ورودی به ژنراتور داشتند، انرژی الکتریکی را به عنوان تابع هدف در نظر گرفته و با سوق دادن آن در orce، سبب افزایش بازده سیستم می شود. در ادامه جهت حذف وابستگی روش پیشنهادی به سنسور بادسنج، از شبکه های عصبی مبتنی بر کوانتوم استفاده می گردد. بالا بودن بازده روش پیشنهادی نسبت به روش(tip speed ratio)mppt-tsr، با نتایج شبیه سازی اثبات می شود. سپس جهت بهبود کارایی دو نمونه از الگوریتم mppt با نام های mppt-tsr و mppt-ot(optimum torque) از کنترلرهای تطبیقی عصبی کوانتوم، بهره برده می شود. در این راستا از روش هایdac(direct adoptive control)وiac(indirect adoptive control) به ترتیب برای به روز رسانی پارامترهای کنترلر در روش mppt-tsr و mppt-ot استفاده می گردد. روش پیشنهادی علاوه بر داشتن مزایای کنترلرهای تطبیقی، از قابلیت هایی چون آموزش سریع، دقت بالا و دینامیک مناسب کنترلرهای هوشمند مبتنی بر کوانتوم، نیز برخوردار است. نتایج حاصل از شبیه سازی، عملکرد خوب این کنترل کننده ها را نسبت به کنترلرهای کلاسیک و کنترلرهای هوشمند مبتنی برperceptron) mlp(multi-layer اثبات می کند.