نام پژوهشگر: محسن دلفانی
محسن دلفانی غلامحسین شیسی
با رشد سریع مصرف انرژی الکتریکی در سال های اخیر، سیستم های قدرت مرسوم با مشکلات مختلفی مانند مسائل زیست محیطی، کمبود سوخت های فسیلی، هزینه بالای احداث نیروگاه های جدید وغیره روبه رو شده اند که برای حل این مشکلات، استفاده از منابع تولید پراکنده ومنابع تجدیدپذیر انرژی در چند دهه گذشته مطرح گردیده است. در منابع تولید پراکنده غالبا انرژی اولیه برای تولید برق، منابع انرژی پاک وتجدیدپذیر هم چون باد، خورشید وانرژی امواج دریا است. هر چند وجود این منابع، با مزایای فراوانی همراه بوده اما افزایش تعداد آن ها مشکلات دیگری را نیز برای سیستم قدرت به وجود می آورد. به عنوان مثال می توان به پیچیده تر شدن سیستم توزیع وانتقال، برهم خوردن تقارن شبکه، از مرکزیت خارج شدن تولید و مشکلات ایجاد شده توسط این منابع برای طرح های حفاظتی اشاره کرد. به منظور بهره برداری بهینه از این منابع، مفهوم جدیدی به نام ریزشبکه در سال 1998 توسط موسسه certs مطرح شد که یک ریزشبکه را مجموعه ای از بارها ومنابع تولید کوچک در نظر می گرفت که می تواند به صورت مستقل بارهای خود را از لحاظ الکتریکی و گرمایی تغذیه نماید. اساس طراحی کنترلی درریزشبکه ها بایستی به صورتی باشد که بتوانند بارهای محلی را در هر دو حالت وصل وقطع از شبکه سراسری تغذیه نمایند. پس وجود یکسری کنترل کننده های محلی و مرکزی بین ریزشبکه وشبکه سراسری الزامی است. درحالت مرسوم این کنترل کننده ها براساس شرایط کارنامی وآرامش سیستم قدرت، در مقادیر مشخصی تنظیم شده و درسیستم قرار می گیرند، اما با توجه به نوسانات توان و اغتشاشات متداول سیستم های قدرت، این مقادیر دقیقا مقادیر بهینه نخواهند بود پس به روش های کنترلی کارآمد تر بیش از پیش احتیاج است. بر همین اساس، در این پایان نامه پایداری فرکانس ریزشبکه ها با استفاده از روش های هوشمند مورد بررسی قرار گرفته است. از الگوریتم ژنتیک و الگوریتم بهینه سازی اجتماع ذرات در امر کنترل فرکانس ریزشبکه ها به منظور تنظیم بهینه کنترل کننده های کلاسیک کمک گرفته شده است. در هر دو این روش ها عملکرد و کارآیی مطلوب تر روش های کنترلی پیشنهادی نسبت به روش های سنتی، در طی چندین شبیه سازی مختلف به روی سیستم آزمون به صورت جداگانه بررسی شده است. هم چنین با توجه به نتایج شبیه سازی ها، روش الگوریتم ژنتیک، نسبت به دو روش دیگر کارآیی وعملکرد بهتری داشته است.