پایداری | متن کامل رایگان | استراتژی MPPT محدود برای مبدل‌های انرژی موج پایدار با پیچ سرب مغناطیسی - شهرساز | سایت تخصصی شهرسازی با هوش مصنوعی | شهرساز

بهترین آموزش های کاربردی در شهرسازی

بهترین آموزش های کاربردی در شهرسازی را از Urbanity.ir بخواهید

…

ادامه ...

خرید درب شیشه ای سکوریت با بهترین قیمت از تتراگلس

ادامه ...

Thursday, 27 June , 2024
امروز : پنج شنبه, ۷ تیر , ۱۴۰۳

آخرین اخبار »

شناسه خبر : 20267

ارسال

پرینتخانه » مقالات تاریخ انتشار : 06 ژوئن 2024 - 3:30 | 14 بازدید | ارسال توسط : riazat

پایداری | متن کامل رایگان | استراتژی MPPT محدود برای مبدل‌های انرژی موج پایدار با پیچ سرب مغناطیسی

۱٫ معرفی قرن بیست و یکم چالش‌های بزرگی را برای تامین انرژی ایجاد می‌کند و بنابراین، بهره‌برداری و استفاده از منابع انرژی پایدار نیاز فوری است. اقیانوس که تقریباً ۷۰ درصد مساحت زمین را به خود اختصاص داده است، از طریق بهره برداری و بهره برداری منطقی، دارای پتانسیل تأمین انرژی الکتریکی پایدار برای مناطق […]

۱٫ معرفی

قرن بیست و یکم چالش‌های بزرگی را برای تامین انرژی ایجاد می‌کند و بنابراین، بهره‌برداری و استفاده از منابع انرژی پایدار نیاز فوری است. اقیانوس که تقریباً ۷۰ درصد مساحت زمین را به خود اختصاص داده است، از طریق بهره برداری و بهره برداری منطقی، دارای پتانسیل تأمین انرژی الکتریکی پایدار برای مناطق ساحلی و جزایر است. به دلیل چگالی انرژی بالا و توزیع گسترده آن [۱]انرژی امواج اقیانوس توجه تعداد زیادی از محققان را برانگیخته است.

برای برداشت هر چه بیشتر انرژی، محققان حالت های مختلفی از WEC ها را توسعه داده اند، مانند مبدل های ستون آب نوسانی (OWC) [2]، مبدل های جذب نقطه [۳]، و غیره. با توجه به تفاوت در نوع ژنراتور، WEC ها به طور کلی به دو دسته مختلف تقسیم می شوند: WEC های درایو مستقیم با ژنراتورهای خطی. [۴] و WEC های سه مرحله ای با ژنراتورهای چرخشی [۵].

با این حال، هیچ یک از آنها را نمی توان در مقیاس بزرگ قرار داد [۶] به دلیل راندمان یا چگالی توان پایین آنها. فناوری انتقال کوپلینگ میدان مغناطیسی بدون تماس در حال ظهور [۷] ثابت شده است که برای WEC های با راندمان بالا و با چگالی توان بالا امیدوار کننده است.

ساختار MLS [8]، همچنین یک چرخ دنده مغناطیسی ترانس دوار نامگذاری شده است [۹]، در نشان داده شده است شکل ۱، جایی که

تی

عرض قطب است و

ج

سرب است. WEC مبتنی بر MLS نوعی WEC سه مرحله‌ای نوظهور با ژنراتورهای چرخشی است. مترجم و روتور به ترتیب شبیه به پیچ و مهره مکانیکی هستند. با این حال، تبدیل از حرکت خطی به حرکت چرخشی از طریق مدولاسیون میدان مغناطیسی غیر تماسی صورت می‌گیرد. روتور MLS به طور صلب به شفت چرخش ژنراتور سنکرون آهنربای دائم (PMSG) متصل است. مترجم MLS به طور صلب به شناور متصل است. در حالی که مترجم با امواج اقیانوس در نوسان است، روتور توسط گشتاور مغناطیسی برای تولید الکتریسیته در PMSG هدایت می شود. از آنجایی که مترجم و روتور مستقیماً درگیر نمی شوند، تلفات توان بسیار کمتر از WEC های سه مرحله ای معمولی است. یک ژنراتور چرخشی با سرعت معمولی به جای ژنراتور خطی در سرعت کم استفاده می شود، بنابراین چگالی توان بسیار بیشتر می شود. علاوه بر این، پیچ سرب مغناطیسی به دلیل ویژگی غیر تماسی آن از پیچ ها و مهره های مکانیکی بادوام تر است. علاوه بر این، نصب یک رمزگذار بر روی PMSG بسیار ساده تر از نصب یک شبکه مغناطیسی بر روی مترجم است. بنابراین، MLS برای تبدیل انرژی موج مناسب تر است.

PMSG را می توان به دو دسته مختلف تقسیم کرد: PMSG داخلی (IPMSG) و PMSG نصب شده روی سطح (SPMSG) که ساختار آن در تصویر نشان داده شده است. شکل ۲الف، ب. برای PMSG، دمحور محوری است که قطب مغناطیسی روتور در آن قرار دارد و جهت آن از قطب S به قطب N است. این q-محور عمود بر دمحور، و در خلاف جهت عقربه های ساعت ۹۰ درجه در امتداد می چرخد د-محور. میزان آهن مصرفی در دجهت محور IPMSG نسبتاً کوچک است، زیرا علاوه بر شکاف هوا، مقدار مشخصی از فضا نیز توسط آهنربای دائمی اشغال شده است. نفوذپذیری آهنربای دائمی معادل هوا است. با این حال q-محور از آهن ساخته شده است به جز شکاف هوا که از آهن بیشتری تشکیل شده است دمحور، بنابراین اندوکتانس از دمحور کوچکتر است و qاندوکتانس محور بزرگتر است. در مورد SPMSG، آهنربای قطب پنهان در شکاف هوا قرار دارد و مقدار آهن استفاده شده در دجهت -axis همان است که در qجهت محور بنابراین، اندوکتانس از د-محور و q-محور برابر هستند. در این مطالعه، یک SPMSG برای تبدیل انرژی موج با همکاری با استفاده می شود من_د = ۰ استراتژی کنترل.

در سال‌های اخیر مطالعاتی با هدف طراحی و استراتژی‌های کنترل پیچ‌های سربی مغناطیسی انجام شده است. مدل ریاضی میدان الکترومغناطیسی یک MLS در سال تاسیس شد [۱۰]، نشان می دهد که یک ماشین الکتریکی متصل به یک MLS مرتبه بزرگی بالاتر از یک دستگاه براشلس آهنربای دائم لوله ای خنک شده با مایع است. شبیه‌سازی‌ها و آزمایش‌های المان محدود در انجام شد [۱۱]. MLS در ابتدا برای تبدیل انرژی موج در استفاده شد [۱۲]، جایی که MLS با رانش نامی ۱۷ کیلونیوتن طراحی شد. در مرحله آزمایش اولیه، بازده MLS به ۸۰٪ رسید. با بهبود فرآیند تولید، کارایی آن به ۹۴ درصد افزایش یافت [۱۳]. در مقابل، در نشان داده شده است [۱۴] که حداکثر بازده یک توربین هوا برای تبدیل انرژی موج حدود ۷۰ درصد است.

MPPT [15] یکی از جذاب‌ترین موارد در تبدیل انرژی موج است، زیرا ظرفیت تولید را بدون افزایش سرمایه‌گذاری سخت‌افزاری به میزان زیادی بهبود می‌بخشد. MPPT در ابتدا در زمینه تولید برق فتوولتائیک استفاده شد. به عنوان مثال، یک الگوریتم ترکیبی جهش قورباغه و الگوریتم جستجوی الگو (HSFLA-PS) مبتنی بر سیستم استنتاج عصبی فازی تطبیقی (ANFIS) در ارائه شده است. [۱۶] و یک استراتژی MPPT مبتنی بر بهینه سازی گله اسب هرج و مرج (CHHO) پیشنهاد شده است [۱۷]. روش تپه نوردی [۱۸] همچنین ثابت شده است که در زمینه فتوولتائیک موثر است [۱۹]. مزیت این است که روش تپه نوردی به مدل ریاضی دقیق مبدل نیاز ندارد. با این وجود، هنگامی که برای تبدیل انرژی موج اعمال می شود، روش تپه نوردی عملکرد خوبی ندارد زیرا توان خروجی با زمان تغییر می کند و تأیید میانگین توان خروجی دشوار است. علاوه بر این، این روش نمی تواند بهینه سازی محدود را تحقق بخشد.

کنترل قفل [۲۰] نوعی استراتژی است که فاز شناور را از طریق دستگاه های قفل کنترل می کند. با این حال، دامنه سرعت شناور غیرقابل کنترل است، بنابراین آن را به نوعی روش کنترل زیر بهینه تبدیل می کند. [۲۱]. میرایی و کنترل واکنشی [۲۲] یک روش متداول در شرایط موج معمولی است. با این حال، این استراتژی هنوز هم برای موقعیت‌های موج نامنظم ارزش برخی بهبودها را دارد. یک استراتژی MPPT همراه با پیش‌بینی نیروی تحریک موج در آن اعمال می‌شود [۲۳]. با این حال، اثر MPPT این روش تا حد زیادی به دقت پیش‌بینی بستگی دارد، که تضمین آن در کاربرد عملی دشوار است.

کنترل پیش بینی مدل (MPC) [24] نوعی روش کنترل نوظهور است که در شرایط موج نامنظم برای MPPT اعمال شده است. محدودیت ها را می توان در طول بهینه سازی MPC مدیریت کرد. با این حال، بار محاسباتی بسیار بیشتر از روش های دیگر است.

یک روش کنترل توان مبتنی بر شبکه عصبی در ارائه شده است [۲۵] برای بهبود توان خروجی با این حال، تغییرات در پارامترهای هیدرودینامیکی با فرکانس و محدودیت ها در نظر گرفته نمی شود. مرجع. [۲۶] همچنین بازده تبدیل انرژی موج کنترل میرایی و راکتیو، MPC و کنترل شبکه را مقایسه می‌کند. در آن ثابت شده است [۲۷] که MPC تنها حدود ۵۰ درصد راندمان را به دست می آورد. راندمان میرایی و کنترل راکتیو بیش از ۸۰ درصد و کنترل شبکه بیش از ۹۰ درصد است.

مطالعات در مورد استراتژی های MPPT برای WEC های مبتنی بر MLS تا کنون بسیار کافی نبوده است. مرجع. [۲۶] ابتدا کنترل راکتیو و میرایی را برای WEC های مبتنی بر MLS اعمال می کند و MLS ها و پیچ های سرب مکانیکی را با هم مقایسه می کند و ثابت می کند که MLS می تواند از تلفات اصطکاک و خرابی های خود قفل در مقایسه با پیچ های سربی مکانیکی جلوگیری کند. یک الگوریتم بهینه سازی ازدحام ذرات (PSO) برای WEC های مبتنی بر MLS در [۲۷]. با این حال، مراجع. [۲۶,۲۷] تغییرات در ضرایب هیدرودینامیکی با فرکانس موج و محدودیت‌های MLS را نادیده می‌گیرد. علاوه بر این، هیچ آزمایشی در این دو مطالعه انجام نشده است.

این مطالعه یک استراتژی MPPT محدود را برای WEC های مبتنی بر MLS ارائه می کند. EKF برای تخمین فرکانس و دامنه نیروی تحریک موج استفاده می شود تا استراتژی MPPT محدود را در موقعیت های موج نامنظم قابل اجرا کند. در حین رسیدگی به محدودیت‌ها، یک الگوریتم ژنتیک محدود تطبیقی (ACGA) به جای الگوریتم ژنتیک محدود استاندارد (SCGA) برای کاهش بار محاسباتی اعمال می‌شود. علاوه بر این، این مطالعه تغییر در پارامترهای هیدرودینامیکی با فرکانس را در نظر می گیرد. بقیه این مقاله به شرح زیر سازماندهی شده است. که در بخش ۲مکانیسم MLS ها تجزیه و تحلیل می شود و مدل ریاضی دینامیکی غیر خطی WEC مبتنی بر MLS ایجاد می شود. تغییرات در ضرایب هیدرودینامیکی با فرکانس نیز تجزیه و تحلیل شده است. الزامات MPPT و دو محدودیت در ارائه شده است بخش ۳. استراتژی MPPT محدود مبتنی بر ACGA برای WEC های مبتنی بر MLS تحت شرایط موج منظم و نامنظم در بخش ۴. شبیه سازی و نتایج تجربی در شرح و تجزیه و تحلیل شده است بخش ۵ و بخش ۶، و نتیجه گیری در آن انجام می شود بخش ۷.

۴٫ MPPT محدود

هنگامی که حداکثر نقطه توان نظری بدست آمده از (۱۴) و (۱۵) فراتر از محدوده عملیات ایمن باشد، آر_g و ک_g باید در محدوده ایمن محدود شود.

الگوریتم ژنتیک (GA) یک الگوریتم بهینه سازی محدود موثر بر اساس انتخاب طبیعی و جهش است. با این حال، دو مشکل در GAهای استاندارد وجود دارد: همگرایی زودرس و جستجوی آهسته در مرحله بعدی. در این مطالعه، احتمال متقاطع و احتمال جهش با توجه به مقدار تابع تناسب برای بهبود GA تنظیم شده است.

۴٫۱٫ عملکرد تناسب اندام

هدف این مطالعه به حداکثر رساندن توان خروجی است. بنابراین، تابع تناسب اندام را می توان به صورت زیر توصیف کرد:

$حداکثر اف = \frac{{اف}_{w آ v ه}^{۲} {جی}^{۲} {آر}_{g}}{{({جی}^{۲} ب_{r} + ب_{ساعت} + ب_{r} + {جی}^{۲} {آر}_{g})}^{۲} + {(اوه (متر + {متر}_{آ د د} + {جی}^{۲} {جی}_{r}) - \frac{ک_{س}}{اوه} - \frac{{جی}^{۲} ک_{g}}{اوه})}^{۲}}$

(۲۰)

۴٫۲٫ استراتژی تحت شرایط موج منظم

فرآیند GA محدود به شرح زیر است:

(۱): رمزگذاری باینری: قبل از رمزگذاری، باید دامنه متغیرهای مستقل را تعیین کرد. دامنه های آر_g و ک_g توسط گشتاور نامی ژنراتور تعیین می شود. در این مطالعه حوزه آر_g و ک_g به ترتیب به عنوان در نظر گرفته می شوند [۰, ۲۰] و [−۲۰, ۲۰].
(۲): مقداردهی اولیه: جمعیت اولیه به صورت تصادفی تولید می شود. اگر حیوانی فراتر از حوزه است، این فردیت باید مجدداً آغاز شود.
(۳): ارزیابی: از طریق تابع تناسب اندام، می توان تعیین کرد که آیا نتیجه مطلوب حاصل شده است یا خیر.
(۴): انتخاب، متقاطع و جهش: در این مرحله، محدودیت‌ها از طریق افزودن یک عبارت قضاوتی پس از متقاطع و جهش محقق می‌شوند. اگر محدودیت ها برآورده نشدند، متغیرهای مستقل باید قبل از کپی کردن زیرجمعیت تولید شده به جمعیت اصلی مجدداً مقداردهی شوند. نمودار جریان الگوریتم ژنتیک محدود در نشان داده شده است شکل ۱۱.

۴٫۳٫ الگوریتم ژنتیک محدود تطبیقی

انتخاب احتمال متقاطع و احتمال جهش نقش مهمی در جستجوی دقیق راه‌حل بهینه جهانی در GA دارد. پارامترهای علمی و معقول می توانند به طور موثر از همگرایی زودرس جلوگیری کنند و عملکرد جستجوی جهانی الگوریتم های ژنتیک را بهبود بخشند. در این مطالعه، دو پیشرفت برای موثرتر کردن GA انجام شد.

(۱) احتمال متقاطع تطبیقی: عملیات متقاطع حیاتی ترین بخش یک الگوریتم ژنتیک است که نقش نوترکیبی ژن فردی را بازی می کند. از طریق عملیات متقاطع، افراد عالی تر و جدید به طور مداوم تولید می شوند تا محدوده جستجوی الگوریتم را در کل فضا گسترش دهند و از عملکرد عالی جستجوی الگوریتم ژنتیک اطمینان حاصل کنند. به عنوان تنها شاخص قدرت عملیات متقاطع، مقدار احتمال متقاطع بسیار مهم است. اگر مقدار احتمال متقاطع خیلی بزرگ باشد، اگرچه شدت جستجوی الگوریتم بیشتر افزایش می‌یابد، کارایی کلی الگوریتم تحت تأثیر قرار می‌گیرد. اگر احتمال متقاطع خیلی کم باشد، الگوریتم به احتمال زیاد کند و ناکارآمد می شود و عملکرد جستجوی جهانی را به شدت کاهش می دهد.

برای غلبه بر مشکل فوق، این مقاله یک احتمال متقاطع تطبیقی را اتخاذ می کند که به طور مداوم احتمال متقاطع را بر اساس عملکرد تناسب اندام افراد در گروه تنظیم می کند. برای افرادی که بالاترین و کمترین آمادگی جسمانی را دارند، عملیات متقاطع مربوطه، عملیات متقاطع صفر یا کامل نیست. در عوض، عملیات متقاطع با احتمالات خاص ظاهر می شود. احتمال متقاطع تطبیقی

پ_{ج r o س س o v ه r}

را می توان به صورت زیر بیان کرد:

$پ_{ج r o س س o v ه r} = \{\begin{cases} {متر}_{۱} \frac{f_{حداکثر} - f_{ج}}{f_{حداکثر} - f_{دقیقه}} ، f_{ج} \neq f_{حداکثر} ، f_{دقیقه} \\ {متر}_{۲} ، f_{ج} = f_{حداکثر} \\ {متر}_{۳} ، f_{ج} = f_{دقیقه} \end{cases}$

(۲۱)

در معادله (۲۱) f_ج، ارزش تناسب اندام بالاتر بین دو والدین اول است. f_حداکثر و f_دقیقه حداکثر و حداقل مقادیر تناسب اندام در یک گروه هستند. و متر_۱، متر_۲، و متر_۳ ثابت هایی در محدوده (۰، ۱) هستند.

(۲) احتمال جهش تطبیقی: عملیات جهش همچنین بخشی ضروری از الگوریتم ژنتیک است که تنوع ژن‌های فردی را در جمعیت با جهش افراد تازه تولید شده بر اساس احتمال جهش مشخص تضمین می‌کند. همانطور که الگوریتم به راه حل بهینه نزدیک می شود، عملیات جهش مناسب می تواند به طور موثر سرعت همگرایی الگوریتم را تسریع کند. احتمال جهش معمولاً به عنوان یک مقدار کوچک در نظر گرفته می شود که می تواند از از دست رفتن ژن های عالی در جمعیت جلوگیری کند. اگر احتمال جهش خیلی زیاد باشد، الگوریتم مستعد جستجوی تصادفی است و ویژگی های اصلی خود را از دست می دهد. احتمال جهش تطبیقی را می توان به صورت زیر توصیف کرد:

$پ_{ج r o س س o v ه r} = \{\begin{cases} {متر}_{۴} \frac{f_{حداکثر} - f_{ج}}{f_{حداکثر} - f_{دقیقه}} ، f_{ج} \neq f_{حداکثر} ، f_{دقیقه} \\ {متر}_{۵} ، f_{ج} = f_{حداکثر} \\ {متر}_{۶} ، f_{ج} = f_{دقیقه} \end{cases}$

(۲۲)

جایی که متر_۴، متر_۵، و متر_۶ ثابت هایی در محدوده (۰، ۱) هستند.

۴٫۴٫ مقایسه پیچیدگی محاسباتی

در این بخش، SCGA و ACGA بر روی پردازنده Intel(R) Core(TM) i7-10700 @2.90 هرتز (Intel, Santa Clara, CA, USA) تست می شوند. هر الگوریتم ۲۰ بار آزمایش شد تا از تصادفی بودن در فرآیند بهینه‌سازی جلوگیری شود. نتایج آزمون در نمایش داده می شود میز ۱.

۴٫۵٫ بهبود در شرایط موج نامنظم

در شرایط موج نامنظم، ابتدا باید فرکانس و دامنه نیروی تحریک موج روشن شود. در این مطالعه از EKF برای تخمین نیروی تحریک موج استفاده شد.

فرض بر این است که نیروی تحریک موج یک مدل هارمونیک با یک دامنه و فرکانس متغیر با زمان است. مدل زمان گسسته (تی = kT_س) نیروی تحریک موج را می توان به صورت زیر بیان کرد:

$f_{ه} (ک) = آ (ک) \cos (اوه (ک) ک {تی}_{س} + فی (ک)) + را (ک)$

(۲۳)

جایی که $آ (ک)$ و $فی (ک)$ دامنه و فاز نیروی تحریک موج هستند. ${تی}_{س}$ دوره نمونه گیری سیستم است و $را (ک)$ مولفه میانگین نویز صفر است.

ϕ (ک)

برای نشان دادن مولفه سینوسی نیروی تحریک موج استفاده می شود، در حالی که

ϕ^{*} (ک)

یک مربع دیگر سیگنال سینوسی است

ϕ (ک)

، یعنی:

$[\begin{array}{l} ϕ (k) \\ ϕ^{*} (k) \end{array}] = (\begin{array}{l} A (k) \cos (ω (k) k T_{s} + φ (k)) \\ A (k) \sin (ω (k) k T_{s} + φ (k)) \end{array}]$

(۲۴)

By defining a state vector as

x (k) = [ϕ (k) ϕ^{*} (k) ω (k)]

و یک بردار نویز از

v (ک) = [v_{۱} (k) v_{۲} (k) v_{۳} (k)]

معادله فضای حالت را می توان به صورت زیر نوشت:

$\begin{matrix} ایکس (ک + ۱) = f [x (k)] + v (ک) ، f_{ه} (ک) = ساعت [x (k)] + را (ک) ، \\ جایی که ساعت [x (k)] = [۱ ۰ ۰] ایکس (ک) ، \\ f (ایکس ، تو) = ایکس + [\begin{matrix} - x ۲ * x ۳ \\ x ۱ * x ۳ \\ ۰ \end{matrix}] * d t \end{matrix}$

(۲۵)

The EKF obtains an estimation of the state vector

x (k)

based on observation of

f_{e} (k)

. The EKF algorithm contains two steps: prediction and innovation, which are summarized in Equation (25):

$\begin{array}{l} Prediction : \\ \hat{x} (k + ۱ | k) = f [\hat{x} (k | k)] \\ پ (ک + ۱ | ک) = {جی}_{f} (ک) پ (ک | ک) {جی}_{f} {(ک)}^{تی} + س (ک) \\ نوآوری : \\ \hat{ایکس} (ک + ۱ | ک + ۱) = \hat{ایکس} (ک + ۱ | ک) + ک (ک + ۱) [f_{e} (k + ۱) - h (\hat{x} (k + ۱ | k))] \\ ک (ک + ۱) = پ [k + ۱ | k] {جی}_{ساعت} {(ک + ۱)}^{تی} {[J_{h} (k + ۱) P (k + ۱ | k) J_{h} {(k + ۱)}^{T} + R (k + ۱)]}^{- ۱} \\ پ (ک + ۱ | ک + ۱) = [I - K (k + ۱) J_{h} (k + ۱)] پ (ک + ۱ | ک) \end{array}$

(۲۶)

جایی که $من$ ماتریس هویت مرتبه ۳ است. ${جی}_{f}$ و ${جی}_{ساعت}$ ماتریس های ژاکوبی هستند $f (.)$ و $ساعت (.)$ . دامنه تخمینی $\hat{آ}$ و فرکانس $\hat{اوه}$ نیروی تحریک موج عبارتند از:

$\begin{array}{l} \hat{آ} = \sqrt{\hat{ϕ} {(ک | ک)}^{۲} + {\hat{ϕ}}^{*} {(ک | ک)}^{۲}} ، \\ \hat{اوه} = \hat{اوه} (ک | ک) . \end{array}$

(۲۷)

موج نامنظم اقیانوس را می توان با استفاده از طیف موج تصادفی توصیف کرد. طیف پیرسون-مسکوویتز (PM). [32] یکی از رایج ترین طیف های تصادفی است. بنابراین، برای شبیه‌سازی ارتفاع موج و تأیید اعتبار استراتژی پیشنهادی استفاده شد. چگالی طیفی انرژی یک طیف PM به شرح زیر است:

$اس (اوه) = آ \frac{g^{۲}}{{اوه}^{۵}} انقضا (- \frac{ب g^{۴}}{{تو}^{۴} {اوه}^{۴}})$

(۲۸)

جایی که $اوه$ ، $تو$ ، و $g$ به ترتیب فرکانس زاویه ای موج، سرعت باد در ۱۹٫۵ متر بالاتر از سطح دریا و شتاب گرانشی را نشان می دهند. $آ = ۰٫۰۰۸۱$ و $ب = ۰٫۷۴$ عوامل اصلاحی هستند در سرعت باد ۷ متر بر ثانیه، منحنی طیف PM در شکل نشان داده شده است. شکل ۱۲.

روش فرکانس برابر برای شبیه سازی یک موج دریا نامنظم استفاده می شود. هر چه نقاط نمونه برداری بیشتر باشد، نتایج شبیه سازی امواج نامنظم دقیق تر است. برای راحتی، یازده امتیاز، ساعت۱ (۰٫۸۵، ۰٫۰۱)، ساعت۲ (۱, ۰٫۰۴۵)، ساعت۳ (۱٫۱۵، ۰٫۰۷۶)، ساعت۴ (۱٫۳، ۰٫۰۷۷)، ساعت۵ (۱٫۴۵,۰٫۰۶۳)، ساعت۶ (۱٫۶، ۰٫۰۴۸)، ساعت۷ (۱٫۷۵، ۰٫۰۳۵)، ساعت۸ (۱٫۹، ۰٫۰۲۵)، ساعت۹ (۲٫۰۵,۰٫۰۱۸) ساعت۱۰ (۲٫۲، ۰٫۰۱۳) و ساعت۱۱ (۲٫۳۵، ۰٫۰۱)، برای نوشتن سیگنال حوزه زمان انتخاب شدند، به عنوان مثال:

$ساعت (تی) = \sum_{من = ۱}^{۱۱} \sqrt{۲ س ({اوه}_{من}) D {اوه}_{من}} گناه ({اوه}_{من} تی + {فی}_{من})$

(۲۹)

جایی که ${اوه}_{من}$ و ${فی}_{من}$ فرکانس زاویه ای و فاز اجزاء در فرکانس های مختلف و $D {اوه}_{من}$ بازه فرکانس زاویه ای است. بنابراین، نیروی تحریک موج را می توان به صورت زیر توصیف کرد:

${اف}_{w آ v ه} (تی) = ساعت (تی) = \sum_{من = ۱}^{۱۱} \sqrt{۲ س ({اوه}_{من}) D {اوه}_{من}} گناه ({اوه}_{من} تی + {فی}_{من} + D فی ({اوه}_{من})) \cdot f_{w آ v ه} ({اوه}_{من})$

(۳۰)

جایی که $f_{w آ v ه} ({اوه}_{من})$ و $D فی ({اوه}_{من})$ را می توان از شکل ۴. شکل موج نیروی تحریک موج در نشان داده شده است شکل ۱۳. فرکانس تخمینی و دامنه نیروی تحریک موج به ترتیب در نشان داده شده است شکل ۱۳، شکل ۱۴ و شکل ۱۵. که در شکل ۱۳، حداکثر دامنه حدود ۲ × ۱۰ است^۵ N. می توان از آن مشاهده کرد شکل ۱۴ که فرکانس موج تخمینی به حدود ۱٫۲۸ راد بر ثانیه همگرا می شود که نزدیک به فرکانس مرکز سیگنال حوزه زمان است که در شکل ۱۱. فرآیند همگرایی مدت زمان کوتاهی طول می کشد، اما پس از همگرایی تخمین، فرکانس تخمینی ثابت می ماند. مطابق با شکل ۱۵، دامنه تخمینی بین ۰٫ و ۲٫۲ × ۱۰ متغیر است^۵ N. حداکثر دامنه تخمینی کمی بزرگتر از دامنه است شکل ۱۳ زیرا وقتی دامنه تخمینی به حداکثر مقدار می رسد، درجه فاز قطعاً ۹۰ درجه نیست. در نتیجه، استراتژی برآورد دامنه و فرکانس پیشنهادی در شرایط نامنظم منطقی است.

همانطور که در نشان داده شده است شکل ۱۴ و شکل ۱۵موج نامنظم دریا را می توان یک موج سینوسی با فرکانس ثابت و دامنه متغیر در نظر گرفت. هنگامی که فرکانس ثابت است، تنها متغیر در (۱۸) دامنه است. علاوه بر این، جابجایی مترجم و نیروی با دامنه نیروی تحریک موج متناسب است. برای اطمینان از عملکرد ایمن، حداکثر دامنه تخمینی نیروی تحریک موج در یک دوره زمانی برای تکمیل GA محدود در شکل ۱۰.

۶٫ نتایج تجربی

برای تأیید استراتژی MPPT محدود پیشنهادی برای WEC مبتنی بر MLS، آزمایش تانک یا آزمایش اقیانوس محتمل‌ترین اما بسیار پرهزینه است. علاوه بر این، ضرایب هیدرودینامیکی را نمی توان تضمین کرد. بنابراین، آزمایشی با یک میز آزمایش دینام با پارامترهای ذکر شده در انجام شد جدول ۳. نیمکت آزمون در نشان داده شده است شکل ۳۰. دو موتور چرخشی با دو پیچ مغناطیسی در وسط به هم متصل شده اند و می توانند توسط یکدیگر کشیده و هل داده شوند. محرک اصلی توسط IPC برای شبیه سازی موج دریا کنترل می شود و ژنراتور توسط یک کنترل کننده DSP کنترل می شود.

با توجه به ساختار مکانیکی پیچیده میز آزمون، نوسانات فرکانس پایین اجتناب ناپذیر است، و شناسایی نتایج تجربی در شرایط موج نامنظم را دشوار می کند. بنابراین، یک نیروی تحریک موج منظم برای تأیید استراتژی MPPT محدود پیشنهادی ایجاد شد.

شکل موج نیروی تحریک موج در نشان داده شده است شکل ۳۱آ. فرکانس تخمینی و دامنه نیروی تحریک موج در نمایش داده می شود شکل ۳۲الف، ب. می توان مشاهده کرد که فرآیند همگرایی EKF در شرایط موج منظم (در عرض ۲ ثانیه) بسیار سریع است. پس از همگرایی، فرکانس تخمینی ثابت می ماند و دامنه برآورد شده اندکی نوسان می کند. فرکانس و دامنه برآورد شده نزدیک به آن است شکل ۳۱آ.

نتایج GA محدود شده است ک_g = 0.185 و آر_g = 0.082. شکل موج سرعت مترجم در نشان داده شده است شکل ۳۱ب به دلیل نوسانات فرکانس پایین، برخی از ضربان‌ها در شکل موج سرعت وجود دارد. می توان مشاهده کرد که سرعت مترجم تقریباً در فاز با نیروی تحریک موج است و نسبت دامنه نزدیک به آن در نقطه حداکثر توان نظری است.اف_موج/v_تی = ۴۰۳۲٫۲۳) در معادله (۱۶).

جابجایی مترجم و نیروی مترجم در نشان داده شده است شکل ۳۳، که هر دو در محدوده عملیات ایمن قرار دارند. علاوه بر این، دو دامنه به مقادیر نظری نزدیک هستند (ایکس_حداکثر = ۰٫۲۳۸ متر و اف_حداکثر = ۷۱۸٫۸۸ N) در (۱۴)، که ثابت می کند دو محدودیت در (۱۵) با وضعیت واقعی مطابقت دارند. منحنی های انرژی برداشت شده SCGA و ACGA در ۲۰۰ ثانیه به ترتیب در نمایش داده می شوند. شکل ۳۴a،b، نشان می دهد که ۶٪ ((۴۲۷۵ – ۴۰۳۳)/۴۰۳۳) انرژی بیشتری با ACGA پیشنهادی در مقایسه با SCGA برداشت می شود.

نتایج آزمایش نشان می‌دهد که EKF پیشنهادی برای تخمین فرکانس و دامنه دقیق و سریع است و SCGA پیشنهادی مؤثرتر از SCGA‌های معمولی است.

منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | استراتژی MPPT محدود برای مبدل‌های انرژی موج پایدار با پیچ سرب مغناطیسی
,۲۰۲۴-۰۶-۰۶ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/11/4847