کنترل فیلترهای اکتیو ترکیبی با استفاده از کنترل کننده های فازی و عصبی
چکیده
افزایش روز افزون استفاده از ادوات الکترونیک قدرت موجب بوجود آمدن اعوجاجات هارمونیکی در سیستم های قدرت شده است. برخی از اثرات مخرب هارمونیک ها در سیستم های الکتریکی عبارتند از افزایش دمای ترانسفورماتورها، تداخلات ناخواسته در شبکه های مخابراتی و خطای عملکرد سیستم های حفاظتی. بدین منظور فیلترهای اکتیو قدرت مورد مطالعه قرار گفته و توسعه یافته اند. فیلترهای اکتیو قدرت راه حل مناسبی برای کاهش هارمونیک ها، تصحیح ضریب توان و جبران نامتعادلی بار می باشند. عملکرد دینامیکی فیلتر اکتیو به دو عامل مهم بستگی دارد. یکی بدست آوردن سیگنال مرجع و دوم تعقیب مناسب این سیگنال، توسط کنترل کننده فیلتر اکتیو. روش های کنترلی مختلفی برای این فیلترها در سال های اخیر ارائه شده است. در این پایان نامه هدف، ارائه روش های نوین برای بهبود عملکرد دینامیکی فیلتر اکتیو مثل استفاده از شبکه های عصبی برای تخمین سریع جریان مرجع فیلتر اکتیو، و روش های کنترلی مدلغزشی برای تعقیب مناسب این جریان مرجع به منظور بهبود عملکرد دینامیکی و کاهش thd جریان منبع می باشد. این موضوع موقعی اهمیت بیشتری پیدا می کند که یا رفتار بار نامعلوم باشد و یا اینکه بار دائما بصورت لحظه ای تغییر کند. در این پایان نامه ابتدا از شبکه های عصبی مصنوعی به منظور تخمین سریع جریان مرجع فیلتر اکتیو استفاده شده است. نتایج شبیه سازی بهبود عملکرد دینامیکی فیلتر اکتیو و تغییرات کمتر در ولتاژ لینک dc نسبت به روش های مرسوم، مثل محاسبه مقدار موثر جریان بار را نشان می دهد. سپس از کنترل کننده های فازی به منظور کنترل جریان مرجع فیلتر اکتیو استفاده شد. نتایج شبیه سازی استفاده از منطق فازی با نتایج شبیه سازی کنترل کننده باند هیسترزیس به منظور کنترل جریان فیلتر اکتیو، مقایسه گردیده است. نتایج آن، کاهش بیشتر در thd جریان با استفاده از کنترل کننده فازی را نشان می دهد. همچنین در قسمت دیگری از پایان نامه، روش های کنترل غیرخطی نیز بر روی فیلتر اکتیو اعمال شده است. کنترل کننده پیشنهادی بر پایه خطی سازی با فیدبک برای کنترل ولتاژ لینک dc فیلتر اکتیو و کنترل کننده مدلغزشی برای کنترل جریان فیلتر اکتیو ارائه شده است. نتایج شبیه سازی کاهش thd جریان منبع با استفاده از این روش ها و عملکرد خوب کنترل کننده حتی در شرایط بار نامتعادل را نشان می دهد. همچنین از فیلترهای پسیو در کنار فیلتر اکتیو استفاده شده، تا عملکرد فیلتر اکتیو بهبود یابد. پارامترهای بهینه فیلتر ترکیبی نیز بوسیله الگوریتم ژنتیک طراحی شده است. نتایج شبیه سازی کاهش ظرفیت نامی فیلتر اکتیو و هزینه کل سیستم را نشان می دهد. شبیه سازی ها در محیط نرم افزار matlab انجام گرفته شده است.