Rapid generation of control parameters of Multi-Infeed system through online simulation

Rápida generación de parámetros de control del sistema Multi-Infeed a través de la simulación online

Se ha diseñado una caja de herramientas de optimización por enjambre de partículas simulado autogenerado que, automáticamente, genera parámetros de control PI de manera rápida en PSCAD. Esta caja de herramientas funciona mediante el uso de la simulación de transitorios para evaluar la función objetivo, y converge los valores de aptitud de la función objetivo a través del algoritmo PSO durante la simulación de tiempo de ejecución de los sistemas HVDC de alimentación múltiple. Aquí, la función de error cuadrático integral (ISE-OF) se utiliza para realizar esta tarea. Para hacer la caja de herramientas más rápida, se establecieron rangos para el valor generado PSO que limitan el tiempo de adquisición de datos para la función objetivo considerando únicamente el tiempo de transición de un sistema. Además, esta caja tiene la capacidad de optimizar varios controladores al mismo tiempo. Los valores de PI se generan más rápidamente y los resultados dejan ver un rendimiento notablemente mejorado de un sistema durante el arranque y, en condiciones de falla. En el presente trabajo se muestran los resultados experimentales.

Introducción

El control de un sistema desempeña un papel fundamental en el rendimiento de todo el sistema. La selección de los parámetros de control adecuados para obtener los resultados deseados es una tarea engorrosa.

Encontrar los parámetros óptimos de control PI siempre ha sido una tarea difícil. El método convencional para obtener los parámetros de control PI es por el método de prueba y error que requiere la intuición y la experiencia del usuario.

Existen algunos algoritmos en boga para la estimación de los parámetros PI (Kumar, Kumar, & Tyagi, 2016). Entre ellos destacan el algoritmo de aprendizaje basado en la crítica de naturaleza difusa (Khorramabadi & Bakhshai, 2015), Simplex (Aniruddha M. Gole, Filizadeh, Menzies, & Wilson, 2005) y los algoritmos PSO (BÄ°NgÃœL & Karahan, 2012; Chen, Li, & Zhou, 2012; Gahramani, Lak, Farsadi, & Hosseini, 2013). Los algoritmos Simplex y PSO suelen funcionar según el principio de convergencia de la función objetivo.