
تعداد نشریات | 43 |
تعداد شمارهها | 1,706 |
تعداد مقالات | 13,972 |
تعداد مشاهده مقاله | 33,588,009 |
تعداد دریافت فایل اصل مقاله | 13,318,600 |
کنترلکنندۀ مد لغزشی فراپیچشی مقاوم بهینه برای سیستم ذخیرهساز هیبریدی مبتنی بر باتری و ابررسانای ذخیرهساز انرژی مغناطیسی استفادهشده در وسایل نقلیۀ الکتریکی | |||||||||||||||||||||
هوش محاسباتی در مهندسی برق | |||||||||||||||||||||
دوره 15، شماره 4، اسفند 1403، صفحه 83-98 اصل مقاله (2.11 M) | |||||||||||||||||||||
نوع مقاله: مقاله پژوهشی فارسی | |||||||||||||||||||||
شناسه دیجیتال (DOI): 10.22108/isee.2024.139226.1652 | |||||||||||||||||||||
نویسنده | |||||||||||||||||||||
علی درویش فالحی* | |||||||||||||||||||||
استادیار، دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد شادگان، شادگان، ایران | |||||||||||||||||||||
چکیده | |||||||||||||||||||||
استفاده از فناوریهای ذخیرهساز انرژی با کنترل دقیق و کارآمد میتواند انعطافپذیری و عملکرد سیستمهای قدرت را بهبود بخشد؛ با این حال، هیچ یک از انواع سیستمهای ذخیرهسازی موجود نمیتوانند تحت هر شرایطی پاسخی بهینه را ارائه دهند. در حقیقت، کارایی یک سیستم ذخیرهسازی مستقل با توجه به میزان چگالی انرژی و توان، سرعت پاسخگویی، طول عمر و هزینۀ آن محدود میشود. برعکس، سیستمهای ذخیرهسازی انرژی هیبریدی از دو یا چند نوع سیستم ذخیرهساز تشکیل شدهاند که معمولاً دارای ویژگیهای مکمل برای دستیابی به عملکردی بسیار بهتر در شرایط عملیاتی مختلف هستند. سیستمهای ذخیرهساز انرژی مغناطیسی ابررسانا (SMES) با چگالی توان زیاد میتوانند در سیستمهای ذخیرهسازی با چگالی انرژی زیاد مانند باتریهای لیتیومی (LB) برای ایجاد سیستمهای ذخیرهساز انرژی ترکیبی (HESS) در خودروهای برقی استفاده شوند. به منظور افزایش کنترلپذیری این سیستم ذخیرهساز انرژی، کنترل مد لغزشی فراپیچشی مقاوم بهینه (ORST-SMC) پیشنهاد میشود. با وجود تخمین سریع اغتشاشات از طریق روئیتگر اغتشاش بهرهزیاد، کنترلکنندۀ پیشنهادی میتواند عدم قطعیتها و موارد غیرخطی مربوط به مدلسازی سیستمهای ذخیرۀ انرژی ترکیبی را به عنوان ورودی اضافی جبران کند. با توجه به ماهیت چندهدفهبودن مسألۀ کنترل غیرخطی خودروی برقی، از الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی (MOSFSA) برای استخراج پارامترهای سیستم کنترل پیشنهادی استفاده میشود. مدلسازی سیستم پیشنهادی با استفاده از نرمافزار MATLAB-Simulink انجام شده است. نتایج این شبیهسازیها نشان میدهد کنترلکنندۀ پیشنهادی ORST-SMC به طرزی جالب توجه پاسخهای گذرای سیستم را بهبود میدهد؛ در حالی که عملکرد ردیابی دقیق و سریعی را نیز ارائه میدهد. | |||||||||||||||||||||
کلیدواژهها | |||||||||||||||||||||
سیستمهای ذخیرهساز انرژی ترکیبی؛ سیستمهای ذخیرهساز انرژی مغناطیسی ابررسانا؛ کنترل مد لغزشی فراپیچشی مقاوم بهینه؛ الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی؛ خودروی برقی | |||||||||||||||||||||
اصل مقاله | |||||||||||||||||||||
با توجه به اینکه منبع اصلی آلودگیهای زیستمحیطی در عصر کنونی وسایل نقلیۀ مبتنی بر منبع سوخت فسیلی هستند، دولتها درصدد هستند تا مقرراتی دقیق، علمی و عملی را برای کاهش مصرف سوخت آنها و نیز انتشار گازهای گلخانهای اجرا کنند [1, 2, 3]؛ به همین دلیل، سازندگان وسایل نقلیه به سمت توسعۀ فناوریهای جدید، انتخاب سوختهای جایگزین، بهکارگیری راهبردهای کنترلی مختلف و استفاده از مهندسی هوش مصنوعی حرکت میکنند. در این راستا، وسایل نقلیۀ الکتریکی به عنوان جایگزینی مناسب برای کاهش مصرف سوخت و میزان انتشار آلایندهها مطرح شدهاند [4، 5]. خودروهای الکتریکی (EVs)[1] به دلیل اغتشاشات صوتی و آلودگیهای زیستمحیطی کمتر و نیز عملکرد اقتصادی بهتر در مقایسه با خودروهای با مصرف سوختهای فسیلی، به عنوان یکی از مهمترین بخشها در حملونقل پایدار در نظر گرفته میشوند [6، 7]؛ با این حال، به دلیل برخی از محدودیتها، مصرفکنندگان کماکان علاقهای به استفاده از خودروهای الکتریکی ندارند. یکی از مشکلات اصلی در خودروهای الکتریکی محدودیت سیستمهای ذخیرهسازی انرژی یا به نوعی ذخیره و انتقال توان است [8]. هزینه و عملکرد خودروهای الکتریکی به میزانی جالب توجه به قابلیت و کارایی سیستم ذخیرهساز انرژی (ESS)[2] بستگی دارد. وزن، هزینه، اندازه، چگالی توان، چگالی انرژی، سرعت شارژ و طول عمر واحدهای ذخیرهساز انرژی از ویژگیهای اصلی سیستم ذخیرهساز انرژی هستند که باید در صورت طرح و اجرا در نظر گرفته شوند [9، 10]. این سیستمها را میتوان به طور معمول به سه گروه تقسیمبندی کرد: (الف) ذخیرهسازی مکانیکی مانند پمپ ذخیرهسازی هیدرولیک، هوای فشرده و چرخ طیار؛ (ب) ذخیرهسازی الکتریکی مانند ذخیرهساز انرژی مغناطیسی ابررسانا و ذخیرهسازی انرژی ابرخازن (SCES)[3] و (پ) ذخیرهسازی شیمیایی مانند باتری و پیل سوختی [11]. در عمل، سیستمهای ذخیرهساز انرژی یادشده برای کاربردهایی مشخص مناسب هستند؛ زیرا دارای ظرفیتهای مختلف از منظر توان، سرعت شارژ/دشارژ، چگالی توان/انرژی و طول عمر هستند [12]. اساساً باتریهایی به عنوان سیستمهای ذخیرهسازی انرژی در نظر گرفته میشوند که با راندمان و چگالی انرژی زیاد مشخص میشوند [13، 14]؛ با این حال، عمر مفید آنها معمولاً توسط چرخههای شارژ/دشارژ محدود میشود. تنشهای عملیاتی برای کاربردهای با انرژیهای تجدیدپذیر بسیار مهم هستند؛ زیرا معمولاً باتریها در معرض چرخههای شارژ/دشارژ کوتاهمدت متعددی قرار میگیرند. علاوه بر این، چگالی توان نسبتاً کم باتریها مانع از پاسخ سریع آنها به جریانهای گذرا میشود [15]؛ با وجود این، سیستمهای ذخیرهساز انرژی مغناطیسی ابررسانا عملکردی عکسی با آنها دارند و به عنوان سیستمهای ذخیرهسازی توان در نظر گرفته میشوند. این سیستمهای ذخیرهساز انرژی دارای مزیتهایی مهم همچون چگالی توان زیاد، طول عمر زیاد، نرخ تخلیۀ کم و پاسخ سریع به جریان گذرا هستند [16، 17]؛ با وجود این، چگالی انرژی سیستمهای ذخیرهساز انرژی مغناطیسی ابررسانا نسبتاً کم است و منحصراً به عنوان یک منبع تغذیۀ پایدار طولانیمدت در نظر گرفته نمیشوند [18]؛ در نتیجه، سیستمهای ذخیرهسازی انرژی هیبریدی مبتنی بر سیستمهای ذخیرهساز انرژی مغناطیسی ابررسانا و باتری (BSMES-HESS)[4] تا حدی زیاد برای دستیابی همزمان به مزیتهای عملکردی باتریها و سیستمهای SMES برای ارائۀ کارکردی مطلوبتر بسیار مناسب هستند [19]. این سیستم هیبریدی در کابردهایی مختلف همچون اتوبوسهای الکتریکی، سیستمهای راهآهن، ایستگاه شارژ خودروهای برقی و ریزشبکههای مبتنی بر فتوولتائیک استفاده شده است [20، 21، 22، 23]. با این حال، طراحی یک سیستم کنترل کارآمد برای BSMES-HESS بسیار پیچیدهتر از سیستم ذخیرهساز انرژی الکتریکی است؛ زیرا ویژگیهایی مختلف از ادوات ذخیرهساز انرژی باید در نظر گرفته شوند. از منظری دیگر، استفاده از ادوات الکترونیک قدرت معمولاً به ایجاد متغیرهای متعدد، پارامترهای غیرخطی پیچیده و کوپلینگ و همچنین، مدلسازی عدم قطعیتهای BSMES-HESS منجر میشود [24، 25]. تا کنون، راهبردهای مدیریت انرژی متعددی به طور گسترده برای کنترل بهینۀ توان بین ادوات مختلف سیستم ذخیرهساز انرژی الکتریکی به صورت آنلاین و آفلاین به کار گرفته شدهاند. راهبرد مبتنی بر قانون، راهبرد مبتنی بر فیلترسازی و راهبرد مبتنی بر منطق فازی به عنوان رویکردهای آنلاین تلقی میشوند؛ در حالی که راهبرد برنامهنویسی پویا و اصل کمینۀ پونتریاگین به عنوان رویکردهای آفلاین در نظر گرفته میشوند. در این راستا، یک کنترلکنندۀ مقاوم و کارآمد باید طراحی شود تا سیگنالهای مرجع را به طور دقیق تنظیم و ارائه کند [26، 27، 28]. روشهای کنترل خطی مرسوم، مانند کنترل تناسبی - انتگرالگیر – مشتقگیر (PID)[5]، به دلیل قابلیت اطمینان زیاد و سادگی ساختار، پرکاربردترین راهبرد کنترلی هستند؛ با این حال، بهرههای کنترلی این روشها در شرایط عملیاتی مختلف از طریق خطیسازی تکنقطهای تعیین میشوند که قادر به حفظ عملکرد کنترلی دقیق نیست و در برخی از شرایط شدید، پایداری سیستم حلقه بسته نیز ممکن است از بین برود. برای برطرف کردن چنین مشکلاتی، طرحهای کنترلی متعددی پیشنهاد داده شدهاند. در مرجع [29]، یک کنترلکنندۀ PID-fuzzy برای کنترل خروجیPV-SMES-HESS به منظور کاهش نوسانهای توان و افزایش سرعت پاسخدهی پیشنهاد شده است. در مرجع [30]، یک سیستم دروپ کنترلی برای این سیستم پیشنهاد شده است که قادر به کنترل دقیق شارژ و دشارژ باتریها و همچنین، محافظت از آنها در برابر تقاضای انرژی زیاد و گذراهای شدید است. در مرجع [31]، یک سیستم مدیریت همافزایی مبتنی بر زنجیرۀ ارزش ارائه میشود که با زیرسیستم تولید توان فتوولتاییک و زیرسیستم ذخیرۀ انرژی یک زیرسیستم کلیدی ذخیرۀ انرژی فتوولتائیک را تولید میکند. در مرحلۀ اول، ارتقای ظرفیت این سیستم انرژی مدنظر است و در مرحلۀ دوم، مدل پایهای سیستم ذخیرۀ انرژی هیبریدی با ترکیب سیستم ذخیرۀ انرژی باتری و سیستم ذخیرۀ انرژی مغناطیسی ابررسانا ارائه شده است. در مرجع [32]، یک طرح کنترل توان خروجی ژنراتور القایی دوسوتغذیه (DFIG)[6] همزمان با سیستم ذخیرۀ انرژی هیبریدی باتری و ذخیرهساز انرژی مغناطیسی ابررسانا (BESS-SMES-HESS) پیشنهاد شده است. این سیستم که در لینک DC مربوط به DFIG نصب شده است برای مقابله با اختلاف توان بین توان تولیدی DFIG و فرمان دیسپاچینگ توان استفاده میشود. علاوه بر این، به منظور جلوگیری از شارژ و دشارژ بیش از حد HESS، کنترل زاویۀ گام (PAC)[7] و فرمان دیسپاچینگ توان ارائه شده است. در مرجع [33]، یک گیربکس متغیر پیوستۀ الکتریکی (ECVT)[8] همراه با BESS-SMES-HESS برای خودروی برقی پیشنهاد میشود تا مشکل چگالی توان ضعیف را برطرف کند تا به عدم جذب جالب توجه انرژی ترمزی منجر نشود. گفتنی است، راهبرد کنترل متغیر نسبت دندۀ طراحیشده برای ECVT به منظور بهبود بهرهوری انرژی و عملکرد خودرو توسعه داده شده است. عملکرد این سیستم پیشنهادی تأثیری بهسزا در رقابتهای رانندگی، افزایش طول عمر باتری و کاهش هزینۀ تولید و مصرف داشته است. مرجع [34] یک مدل توزیع بهینۀ چندمرحلهای مبتنی بر BESS-SMES-HESS را برای مقابله با توزیع بار نامتعادل و شارژ ناهماهنگ خودروهای برقی ارائه میدهد. از مدل توزیع مبتنی بر بهینهسازی نورد برای بهینهسازی عملکرد سیستم ذخیرۀ انرژی مغناطیسی ابررسانا به منظور کاهش سریع عدم تعادل بلادرنگ ناشی از انرژیهای تجدیدپذیر استفاده شده است. حتی در مرجع [35]، یک راهکار ساختاری برای سیستم BESS-SMES-HESS به منظور استفاده در خودروهای برقی ارائه شده است که در آن، نوع باتری ابرخازن مخلوطی از مواد ابرخازن و مواد باتری لیتیوم یونی است. توسعۀ این سلول باتری ابرخازن برای استفاده در سیستم ذخیرۀ انرژی خودروهای برقی هیبریدی انجام شده است. از مزایای این سلولهای ابرخازن میتوان به هزینۀ کم، چرخۀ عمر طولانی، ایمنی زیاد، محدوده دمای کاری وسیع، چگالی توان زیاد و چگالی انرژی زیاد اشاره کرد. باید در نظر داشت که سیستمهای الکترونیک قدرت مانند مبدلهای DC/DC برای ترکیب سیستمهای مختلف HESS بسیار ضروری هستند. این مبدلها وضعیتهای سیستمهای ذخیرهساز انرژی را به طور کامل کنترل میکنند، توان آزادشده را برای پاسخگویی به تقاضای بار کنترل میکنند و طول عمر باتری را در طول عملیات شروع، توقف و حرکت افزایش میدهند. مبدلهای الکترونیک - قدرت در خودروهای برقی برای ایجاد تبادل توان از سیستمهای ذخیرهساز انرژی به بار و برعکس بسیار ضروری هستند [36]. از این رو، مبدلهای دوجهتۀ DC/DC نقشی مهم در اجرای پیشنهادهای بیانشده بازی میکنند. مبدلهای دوجهتۀ DC/DC برای استفاده در خودروهای برقی باید اتصالی به صورت موازی داشته باشند. به منظور کنترل این مبدلها، مدلسازی آنها به همراه کوپلینگ ادوات مختلف، سیستمهای BSMES-HESS با اجزای غیرخطی مرتبط و عدم قطعیتهای مختلف ضرورت دارد. به منظور افزایش کنترلپذیری سیستمهای ذخیرهساز انرژی استفادهشده در خودروهای برقی کنترلکنندههایی متنوع ارائه شدهاند که هر کدام صرفنظر از مزایای منحصربهفرد خود به نوعی ایراداتی داشتهاند. کنترلکنندۀ مد لغزشی از روشهای کنترلی مقاوم است که در برابر اغتشاشات و نامعینیهای مدل مقاوم است؛ ولی ایراد اصلی این روش مربوط به تابع علامت آن است که اصطلاحاً پدیدهای به نام چترینگ را به سیستم تحمیل میکند که کنترلپذیری سیستم را دچار خدشه میکند؛ از این رو، در این مقاله به منظور افزایش کنترلپذیری و ارتقای سیستم کنترل مد لغزشی، کنترل مد لغزشی فراپیچشی بهینه (ORST-SMC)[9] پیشنهاد میشود. گفتنی است، دستیابی به خطای کم در پاسخهای حالت ماندگار و گذرا به منظور شتابگیری و ترمز به صورت سریع و نرم در خودروهای برقی بسیار مهم است. در سیستم خودروهای برقی که از سیستمهای شارژ هیبریدی بهرهمند میشوند و ملزم به کارکرد پیوسته و دقیق هستند، قابلیت شارژ سریع، پاسخ گذرای سریع و زمان شارژ کوتاه شاخصهایی ایدهآل برای آنها هستند. در سیستم هیبریدی باتری و ابررسانای ذخیرهساز نرخ جریان تخلیۀ پالسی بالا کاهش مییابد. همچنین، ابررسانای ذخیرساز میتواند به سیستم ذخیرهساز باتری در اوج نیاز به انرژی کمک کند که نه فقط عمر باتری را طولانی میکند، بلکه شتاب خودرو را نیز بهبود میبخشد. سیستم ذخیرهساز تحت مطالعه بر اساس مدل مرتبۀ پنجم طراحی میشود که در آن، مدلهای غیرخطیها، عدم قطعیتهای پارامتری و دینامیکهای مدلنشده به عنوان اغتشاش در نظر گرفته میشوند که از طریق یک روئیتگر اغتشاش بهرهزیاد تخمین زده میشوند. سیستم کنترل پیشنهادی میتواند عملکردی بهتر نسبت به کنترلکنندههای مرسوم داشته باشد و فقط با اندازهگیری جریان باتری و ولتاژ لینک DC، به مدل دقیق سیستم ذخیرهساز نیازی نیست. با توجه به ماهیت چندهدفهبودن مسألۀ کنترل غیرخطی خودروی برقی، از الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی برای استخراج پارامترهای سیستم کنترل پیشنهادی استفاده میشود. مدلسازی سیستم پیشنهادی با استفاده از نرمافزار MATLAB-Simulink انجام شده است و نتایج بهدستآمده عملکرد مناسب کنترلکنندۀ پیشنهادی را اثبات میکند. 2- مدلسازی سیستم ذخیرهساز انرژی هیبریدیبا در نظر گرفتن مشخصات هر دوی باتری و سیستم ذخیرهساز انرژی مغناطیسی ابررسانا میتوان یک سیستمذخیرهساز انرژی هیبریدی را ارائه داد و توان لحظهای کوتاهمدت و توان پیوستۀ بلندمدت را به طور مستقل توسط SMES و باتری کنترل کرد. گفتنی است، BSMES-HESS بهتنهایی میتواند چگالی توان و انرژی بیشتری نسبت به SMES و باتری و نیز مزایایی چشمگیر همچون پاسخهای گذرای سریع، طول عمر زیاد و عملکرد اقتصادی داشته باشد. این سیستم به طور کلی شامل دو مبدل باک بوست دوجهته است که به صورت موازی توسط SMES و باتری بار را تغذیه میکنند.
شکل (1): مدار معادل BSMES-HESS استفادهشده در خودروهای برقی [37]
مدار معادل BSMES-HESS استفادهشده در خودروهای برقی در شکل (1) نمایش داده شده است که شامل یک منبع باتری، یک منبع SMES، دو مبدل باک بوست دوجهته، یک اینورتر و یک موتور است. در حقیقت، خودروهای برقی موتورهایی هستند که از طریق اینورتر به منابع تغذیه متصل میشوند. مقاومت معادل لحظۀ راهاندازی موتور بسیار کمتر از مقاومت در سایر شرایط عملیاتی است. در اینجا، اینورتر و موتور معادل مقاومتی هستند که مقاومت آن در محدودهای معین تغییر میکند. به منظور جلوگیری از اتصال کوتاه دو سر موتور دو ماسفت S1 و S2 و همچنین دو ماسفت S3 و S4 نمیتوانند به طور همزمان کلیدزنی شوند. مدل سیستم ذخیرهساز تحت مطالعه در طول یک دورۀ کلیدزنی را میتوان به صورت زیر ارائه کرد: که در اینجا، D1 و D3 سیکل کاری کانورترهای باک-بوست هستند. v0، v1 و v2 ولتاژهای مربوط به خازنهای C0، C1 و C2 هستند. i1 و i2 بهترتیب نشاندهندۀ جریان سلفهای 1 و 2 هستند. بر اساس روابط بیانشده، فضای حالت مرتبۀ 5 سیستم ذخیرهساز را میتوان به صورت زیر ارائه داد: که در اینجا، x بردار حالت، y بردار خروجی و D1 و D3 ورودیهای کنترلی هستند. برای دستیابی به مدل کامل این سیستم میتوان معادلات زیر را تعریف کرد: در اینجا، هر دوی ماتریسهای A1 و A2 5×5 هستند و عناصر 0 در A1 و A2 زیرماتریسهای صفر را برای ارضای ابعاد مدل فضای حالت نشان میدهند. در این مدل ، Ebat و Isc ثابت در نظر گرفته میشوند؛ زیرا تغییرات آنها در طول یک دورۀ کلیدزنی ناچیز است و میتوان از آنها صرفنظر کرد. 3- طراحی کنترلکنندۀ مد لغزشی فراپیچشی مقاوم بهینه برای سیستمذخیرهساز انرژی هیبریدیدر ابتدا، باید مسألۀ تبادل توان بین منابع و بار تشریح شود و سپس، طراحی کنترلکنندههای پیشنهادی ارائه شود. بر اساس توان بار Pdemand توان بهینه بین SMES و باتری تعیین میشود و جریان مرجع باتری i1* نیز تولید میشود. همچنین، بر اساس جریان SMES و توان بار میتوان مراحل تبادل توان را به صورت خلاصه ارائه داد: (الف) شرایط کشش (Pdemand≥0): توان آستانۀ Pmin به نحوی تنظیم میشود که تضمین کند زمانی که تقاضای توان Pdemand کمتر از آستانه باشد، هیچ توانی برای بارگیری توسط SMES تأمین نشود. در غیر این صورت، یک توان ثابت Pmin توسط باتری تولید میشود؛ در حالی که تقاضای توان باقیمانده توسط SMES پشتیبانی میشود. (ب) شرایط بازتولیدی (Pdemand<0): قبل از اینکه باتری بتواند به طور کامل شارژ شود، انرژی لازم را توسط SMES جذب میکند؛ بنابراین، سیکل شارژ ممکن است به طرزی جالب توجه کاهش یابد و این موضوع در افزایش طول عمر باتری بسیار مؤثر است. (پ) شرایط شارژ SMES: جریان SMES بر اساس مقدار ماکسیمم آن تقسیم میشود که باید در نسبت بیشتر از 5/0 کنترل شود؛ زیرا زمانی که ولتاژ SMES کم است، از راندمان تبدیل توان کاسته میشود. (ت) شرایط شارژ باتری: جریان باتری در محدودۀ استفاده از شرایط شارژ تعیینشده از 2/0 تا 9/0 کنترل میشود. (ث) جریانSMES : مقداری که باید از نصف بیشینۀ جریان آن بیشتر باشد؛ به طوری که راندمان زیاد تضمین شود. در غیر این صورت، SMES توسط باتری با توانی ثابت شارژ میشود.
3-1- طراحی کنترلکنندۀ پیشنهادی مسألۀ کنترل پیشرو که بر اساس مدل مرتبۀ 5 انجام شده است دارای یک ساختار ویژۀ غیرخطی است که در آن، ورودیهای کنترلیD1 و D3 در حالتهای سیستم در مدل ضرب میشوند. به طور کلی، روشی مشخص برای کنترل سیستمهای غیرخطی وجود ندارد. با توجه به کنترل سیستم ذخیرهساز، روشهای موجود را میتوان به دو نوع تقسیم کرد: روش کنترل کلاسیک (حوزۀ فرکانس) و روش کنترل مدرن (حوزۀ زمان). ایدۀ اصلی کنترل کلاسیک طراحی کنترلکننده در حوزۀ فرکانس بر اساس یک سیستم خطی است. مشکل اصلی روش کلاسیک این است که در آن مشخصات غیرخطی سیستم نادیده گرفته میشوند که این امر ممکن است باعث عملکرد نادرست کنترلکننده شود. از منظر روش کنترل مدرن، قانون فیدبک ساده برای ردیابی مرجع ولتاژ لینک DC و جریان باتری در نظر گرفته میشود. کنترل مد لغزشی به دلیل انعطافپذیری زیاد و مقاوم بودن آن به طرزی گسترده در کنترل سیستمهای غیرخطی استفاده میشود. طراحی این کنترلکننده در ادامه انجام میشود: به عنوان خطای تخمین متغیر x در نظر گرفته میشود. و بهترتیب بیانگر تخمین و مرجع متغیر x هستند. بردار حالت: x=(x1, x2, x3, x4, x5)T=(v1, v2, i1, i2, vo)T خروجی y=(y1, y2)T=(i1, vo)T ورودی کنترلی u=(u1, u2)T=(D1, D3)T و خطای ردیابی: e=(e1, e2)T=(i1-i1*, vo- vo*)T تعریف میشوند و از خطای ردیابی مشتقگیری میشود تا ورودی کنترلی u ظاهر شود: در ضمن، این سیستم را میتوان به صورت ماتریس مختصر زیر ارائه داد: در صورتی که: به منظور تأیید اعتبار خطیسازی ورودی - خروجی بالا، ماتریس بهرۀ کنترلی B(x) باید در تمام محدودۀ عملیاتی نامنفرد باشد، یا به عبارتی از رنک کامل برخوردار باشد؛ از این رو، دترمینان ماتریس B(x) باید صفر نباشد، یعنی: شرط برقراری معادلۀ (14) به این صورت است که: اگر جریان SMES صفر باشد، به معنای توقف پروسۀ کارکرد و از بین رفتن کنترلپذیری آن است؛ از این رو، i2 همیشه مقداری غیرصفر دارد. همچنین، اگر ولتاژ لینک DC ، vo صفر باشد به معنای اتصال کوتاه دائمی دوسر بار است که با توجه به رابطۀ همیشه در تمام محدودۀ عملیاتی معتبر است؛ زیرا جریان صفر باتری به معنای توقف پروسۀ کارکرد و از بین رفتن کنترلپذیری آن است؛ از این رو، i1 همیشه مقداری غیرصفر دارد و همچنین، Ron1 و Ron2 مقادیری متفاوت دارند؛ بنابراین، شرط معادلۀ (14) همیشه معتبر است. برای دینامیک خطای ردیابی، اغتشاشات ψ1(.), ψ2(.) به صورت زیر تعریف میشوند: در صورتی که: که در آن، b11 و b22 بهرههای ثابت کنترلی و پارامترهای تعریفشده توسط کاربر هستند که کنترل جریان باتری و ولتاژ لینک DC را به طور کامل جدا میکنند. دینامیک خطای ردیابی را برحسب اغتشاشات میتوان به صورت زیر ارائه داد: با تعریف و از روئیتگر اغتشاشات برای تخمین اغتشاشاتψ1(.) ارائه میشود: ثابتهای مثبت α11 و α12 نشاندهندۀ بهرههای روئیتگر هستند که 0<ε1≪1. به طور مشابه، با تعریف و از روئیتگر اغتشاشات برای تخمین اغتشاشات ψ2(.) ارائه میشود: ثابتهای مثبت α21 و α22 نشاندهندۀ بهرههای روئیتگر هستند که 0<ε2≪1. سطح لغزش دینامیک خطای ردیابی را میتوان به صورت زیر ارائه داد: در نهایت، کنترلکنندۀ مد لغزشی فراپیچشی مقاوم را برای سیستم ذخیرهساز تحت مطالعه میتوان به صورت زیر ارائه داد: شکل (2) پاسخ حوزۀ فرکانس طرح کنترلی پیشنهادی و کنترل مرسوم PID را نشان میدهد. پس از اعمال کنترلکنندۀ پیشنهادی، میتوان مشاهده کرد حد فاز 75.4 درجه افزایش مییابد و همچنین، پهنای باند جبرانی به حدود 564 هرتز میرسد. با این شرایط، پایداری BSMES-HESS خودروهای برقی ارتقا مییابد. شکل (2): دیاگرام بود BSMES-HESS خودروهای برقی
3-2- طراحی بهینۀ پارامترهای سیستم کنترل پیشنهادی در این بخش، مسألۀ طراحی بهینۀ چندهدفهبودن سیستم کنترل پیشنهادی بررسی میشود. پارامترهای این سیستم کنترل باید به منظور یک عملکرد کنترل دقیق و مطمئن تنظیم شوند. در اینجا، هر دوی خطای ردیابی ولتاژ لینک DC و جریان باتری به عنوان توابع هدف مسألۀ طراحی بهینۀ چندهدفهبودن در نظر گرفته میشوند که در زیر ارائه میشوند. از شاخص خطای مطلق زمان انتگرال (ITAE)[10] ولتاژ لینک DC و جریان باتری به عنوان توابع خطا در نظر گرفته میشود: 4- الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی پدیدهای طبیعی به نام شکست دیالکتریک مانند صاعقه و کریستالهای یخ وجود دارد که میتوان با الهام گرفتن از ویژگیهای انشعاب آنها به عنوان یک الگوی تصادفی، مدلسازی انجام داد [38]. شماتیک فرآیند تجمع محدود انتشار (DLA)[11] در شکل (3) ارائه شده است. مراحل فرآیند DLA به طور خلاصه به این صورت است که در ابتدا، یک ذرۀ اولیه در نظر گرفته میشود، سپس ذرات دیگر به طور تصادفی در اطراف ذرۀ اولیه با پیماش تصادفی تولید میشوند و پروسه تکرار میشود تا زمانی که یک خوشه تشکیل شود و در نهایت، این خوشه شکل فراکتال خواهد گرفت.
شکل (3): شماتیک فراکتال تصادفی بر اساس فرآیند تجمع محدود انتشار
برای کاوش در فضای جستوجو، از عملگر انتشار استفاده میشود که در فراکتالهای تصادفی شناسایی میشوند. عملگرهای انتشار و بهروزرسانی دو عملگر محاسباتی اصلی SFA هستند که به شرح زیر توضیح داده میشوند: 4-1- فرآیند انتشارطبق این فرآیند، هر ذره تمایل دارد به ناحیۀ مجاور خود تقسیم شود تا ویژگی انتخاب از فضای جستوجو به دست آید. از توزیع گاوسی برای ایجاد ذرات جدید استفاده میشود که در زیر ارائه شده است [39]: درصورتی که و انحراف معیار نیز به صورت زیر ارائه میشود: 4-2- فرآیند بهروزرسانیاین فرآیند بر اساس دو فرآیند آماری عمل کرده است که فرآیند آماری اول بر هر شاخص بردار منفرد تأثیر میگذارد و فرآیند دوم بر روی همۀ افراد تأثیر میگذارد. همۀ ذرات را میتوان بر اساس مقادیر برازندگی آنها و احتمال هر یک از Xi به شرح زیر ارائه داد: بخش j ام Xi را میتوان به صورت زیر ارائه داد [40]: متعاقباً، تمامی ذرات بهدستآمدۀ قبلی رتبهبندی میشوند و احتمال مربوط بر اساس معادلۀ (31) تعیین میشود که به صورت زیر به روز شده است [40]: 4-3- نگاشت آشوبگون عملگر توزیع یکنواخت برای توزیع تصادفی ذرات در نظر گرفته شده است. توزیع گاوسی مربوط به مکان اصلاحشدۀ جدید Xi ذرات در انتشار dام بر اساس متغیر آشوب cv به صورت زیر ارائه میشود: 4-4- چندهدفهبودن پارتومسألۀ چندهدفهبودن را میتوان به صورت معادلۀ ریاضی زیر بیان کرد: کاوش X به عنوان پارامتر بهینگی: با شرط اینکه: با در نظر گرفتن به عنوان برداری از متغیرهای تصمیمگیری و ، که تعیینکنندۀ توابع هدف هستند و ، ، , محدودیت مسأله را نشان میدهند. روابط (35) و (36) تعاریفی اساسی از مسألۀ بهینگی پارتو به شرح زیر ارائه میشوند: قاعدۀ 1. ایجاد دو بردار ، به نحوی که که در صورتی که و ، بر چیره میشود و در صورتی که ، آنگاه . قاعدۀ 2. بر این اساس است که بر X مغلوب نشود و هیچ برای ارائه به وجود نداشته باشد. قاعدۀ 3. برداری از متغیرهای بهینگی پارتو به عنوان بهینگی غالب بر اساس تابع F تعریف میشود. قاعدۀ 4. مجموعۀ بهینگی پارتو P* را میتوان بهصورت زیر ارائه داد: قاعدۀ 5. منحنی پارتو PF* را نیز میتوان به صورت زیر تعریف کرد: در نهایت، فلوچارت الگوریتم جستوجوی فراکتال تصادفی چندهدفه در شکل (4) ارائه شده است. شکل (4): فلوچارت الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی 5- نتایج و تحلیل شبیهسازی سیستم ذخیرهساز مبتنی بر کنترلکنندۀ مد لغزشی فراپیچشی مقاوم بهینه که توسط نرمافزار MATLAB/SIMULINK شبیهسازی شده است در شکل (5) ارائه شده است. پارامترهای این سیستم ذخیرهساز در جدول (1) ارائه شدهاند. وضعیت شارژ اولیه باتری 90 درصد درنظر گرفته شده است. کمینه و بیشینۀ ولتاژ باتری 36 ولت و 144 ولت است و باتری شامل 48 سلول است که به صورت سری متصل شدهاند. هر سلول از طریق باسهای اتصال مجموعۀ باتری را تشکیل میدهد. مقدار جریان نامی SMES 100 آمپر است. به منظور استخراج پارامترهای دقیق این کنترل پیشنهادی، بهینهسازی توسط الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی در راستای کمینه کردن هر دو تابع هدف مبتنی بر خطای ردیابی ولتاژ لینک DC و جریان باتری انجام شده است. منحنی پارتو نیز در شکل (6) نشان داده شده است. شکل (5): سیستم ذخیرهساز تحت مطالعه مبتنی بر کنترلکنندۀ مد لغزشی فراپیچشی مقاوم بهینه شبیهسازیشده توسط MATLAB/SIMULINK جدول (1): پارامترهای این سیستم ذخیرهساز BSMES-HESS
شکل (6): منحنی پارتو توابع هدف مبتنی برخطای ردیابی ولتاژ لینک DC و جریان باتری به منظور اثبات کارایی این کنترل پیشنهادی، نتایج شبیهسازیها با حضور کنترلکنندههای PID و SMC ارائه میشود. نتایج شبیهسازیها در وضعیتهای متفاوت بارگیری، تغییرات پارامتری سیستم و اتصال کوتاه متعاقباً ارائه خواهند شد.
5-1- وضعیت بارگیری سنگین چندین تغییر بارگیری متوالی تقاضای توان مربوط به شرایط مختلف عملیاتی خودروهای برقی مانند افزایش یا کاهش ناگهانی سرعت برای سیستم تحت مطالعه به منظور ارزیابی عملکرد ردیابی تحت شرایط بارگیری سنگین در نظر گرفته شدهاند. یک توان بار منفی که متناظر با حالت ترمزی است در نظر گرفته میشود؛ در حالی که ولتاژ مرجع لینکDC در مقدار 160 ولت تثبیت میشود. پاسخهای بهدستآمده از شبیهسازی تحت این شرایط کاری که در شکل (7) نشان داده شدهاند حاکی از آن هستند که ORST-SMC قادر به ردیابی دقیق و سریعتری است و ولتاژ لینک DC را فقط با مقدار جزئی اورشوت به طرزی کاملاً رضایتبخش تثبیت کرده است و بیشترین سرعت ردیابی را نسبت به کنترلکنندههای دیگر داشته است. این چنین ردیابی دقیق، سریع و بدون نوسان برای عملکرد قابل اطمینان و اقتصادی در خودروهای برقی از اهمیتی بسیار زیاد برخوردار است و همچنین، میتواند طول عمر باتری را تا حدی زیاد افزایش دهد. شکل (7): پاسخ سیستم ذخیرهساز BSMES-HESS تحت وضعیت بارگیری سنگین. (الف) توان بار، (ب) جریان باتری و (پ) جریان SMES و (ت) ولتاژ لینک DC. 5-2- وضعیت بارگیری سبکیک سری از تغییرات پلهای دیگر تقاضای توان برای ارزیابی کارایی ORST-SMC و مقایسۀ عملکرد ردیابی آن با کنترلکنندههای PID و SMC تحت شرایط بارگیری سبک اعمال میشوند که بر اساس آنها، ولتاژ لینک DC در مقدار 100 ولت تثبیت میشود. پاسخهای بهدستآمده از شبیهسازی تحت این شرایط کاری که در شکل (8) نشان داده شدهاند حاکی از آن هستند که ORST-SMC قادر به ردیابی دقیق و سریعتری است و ولتاژ لینک DC را فقط با مقدار جزئی اورشوت به طرزی کاملاً رضایتبخش تثبیت کرده است و بیشترین سرعت ردیابی را نسبت به کنترلکنندههای دیگر داشته است. شکل (8): پاسخ سیستم ذخیرهساز BSMES-HESS تحت وضعیت بارگیری سبک. (الف) توان بار، (ب) جریان باتری و (پ) جریان SMES و (ت) ولتاژ لینک DC. 5-3- وضعیت خطای اتصال کوتاهخطای اتصال کوتاه رخدادی بسیار شایع است که در سیستمهای الکترونیک - قدرت نیز به دلایلی متعدد همچون هدایت نادرست نیمههادیهای مبدلهای متصل به بار، نقص عناصر مدارهای سوئیچینگ یا عدم کنترل دقیق بر بارهای غیرخطی و نگهداری نامناسب تجهیزات، امکان وقوع آن محتمل است. عبور جریان اتصال کوتاه ممکن است صدماتی شدید به مبدلهای الکترونیک قدرت و سیستم خودروی برقی وارد کند؛ از این رو، سیستم کنترل با قابلیت بازیابی سریع و مؤثر سیستم تحت اغتشاش بسیار ضرورت دارد؛ بنابراین، به منظور ارزیابی سیستم کنترل پیشنهادی، یک خطای اتصال کوتاه در نظر گرفته شده است که در لحظۀ t = 1/0 ثانیه رخ میدهد. شکل (9) عملکرد بازیابی توسط کنترلکنندههای تحت مطالعه هنگام بروز خطا را ارائه میدهد. مشاهده میشود ORST-SMC قادر است به طور مؤثر و سریع نوسانات ناشی از خطا را کاهش دهد و پایداری سیستم را تضمین کند. شکل (9): پاسخ سیستم ذخیرهساز BSMES-HESS تحت وضعیت خطای اتصال کوتاه. (الف) توان بار، (ب) جریان باتری و (پ) جریان SMES و (ت) ولتاژ لینک DC. 5-4- وضعیت تغییر پارامترهای سیستمبه منظور ارزیابی و اثبات مقاوم بودن کنترلکنندۀ پیشنهادی تحت عدم قطعیتهای پارامتری سیستم، یک سری عدم تطابق مدلسازی سیستم برای مقاومتهای سری باتری و ذخیرهساز انرژی مغناطیسی ابررسانای RL1 و RL2 و نیز اندوکتانسهای L1 و L2 با تغییرات 30 درصد از مقدار نامی آنها در نظر گرفته شده است. افت 25درصدی بار به مدت 100 میلیثانیه رخ میدهد. مقدار پیک توان اکتیو در شکل (10) نشان داده شده است. پر واضح است که تغییرات پیک توان اکتیو تحت عدم قطعیت مقاومتهای سری بهدستآمده توسط کنترلهای PID، SMC و ORST-SMC نشان میدهد کنترلکنندۀ پیشنهادی میتواند بیشترین قابلیت مقاوم بودن را در میان تمامی کنترلکنندهها تحت عدم قطعیتهای پارامتری داشته باشد. شکل (10): مقدار پپک توان اکتیو تحت افت 25درصدی بار به مدت 100 میلیثانیه با تغییرات 30درصدی مقاومتها و اندوکتانسهای سری باتری و SMES. 5-5- معایب و چالشهای روش پیشنهادی در مقایسه با روشهای کلاسیکیکی از چالشهای اساسی در طراحی سیستمهای کنترلی مبتنی بر کنترلکنندۀ مد لغزشی که در روشهای کنترل مرسوم یا کلاسیک وجود ندارد وجود مسألۀ پدیده چترینگ است. این پدیده ممکن است باعث بروز اختلالات، اعوجاجات و تلفات زیاد در سیستمهای الکتریکی و نیز تنشها و فرسودگیهای جالب توجه در سیستمهای مکانیکی متحرک شود. به علاوه، ممکن است دینامیک فرکانس زیاد مدلنشده سیستم را تحریک کند که به تضعیف عملکرد سیستم و حتی به ناپایداری سیستم منجر میشود. این مقاله کنترل مد لغزشی فراپیچشی مقاوم را پیشنهاد داده است تا با توجه به مقاوم بودن آن در برابر عدم قطعیتها، اختلالات و موارد غیرخطی مربوط به مدل سیستم این پدیده را به نحوی مطلوب کاهش دهد و قابلیت ردیابی دقیق و سریعی را در وضعیتهای متفاوت عمکردی سیستم ارائه دهد. در واقع، مراتب کنترلکنندۀ مدلغزشی فراپیچشی با وجود یک سطح لغزش ثابت این عیب را دارد که عملکرد آن بهشدت به سطح لغزش وابسته است و تعیین سطح لغزش مطلوب توسط آن کاری پیچیده است. همچنین، عدم تنظیم دقیق پارامترهای کنترلکنندۀ مدلغزشی فراپیچشی ناکارآمدی آن را در پی دارد؛ از این رو، تعیین دقیق پارامترهای آن دشوار و حساس است. به منظور برطرف کردن این مشکل، این مقاله از الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی برای استخراج پارامترهای سیستم کنترل پیشنهادی استفاده کرده است تا قابلیتها و ویژگیهای آن به نحوی مطلوب ارائه شوند. 6- نتیجهگیریدر این مقاله، یک کنترلکنندۀ مد لغزشی فراپیچشی مقاوم بهینه برای کنترل سیستم ذخیرهساز هیبریدی مبتنی بر باتری و ابررسانای ذخیرهساز انرژی مغناطیسی استفادهشده در خودروهای برقی به منظور دستیابی به ردیابی دقیق و سریع پیشنهاد شده است. از روئیتگر اغتشاش بهرهزیاد برای تخمین موارد غیرخطی مربوط به مدل و عدم قطعیتهای مختلف سیستم ذخیرهساز تحت مطالعه در بستر زمان واقعی به منظور افزایش دقت استفاده میشود. سپس، تخمینهای اغتشاش به طور کامل از طریق ORST-SMC جبرانسازی میشوند؛ به نحوی که مقاوم بودن سیستم BSMES-HESS را میتوان به طرزی محسوس افزایش داد. برای طراحی سیستم کنترل پیشنهادی به مدل دقیق سیستم ذخیرهساز نیاز نیست؛ در حالی که فقط دو پارامتر جریان باتری و ولتاژ لینک DC باید اندازهگیری شوند. کنترلکنندۀ پیشنهادی ORST-SMC به طرزی جالب توجه توانسته است پاسخهای گذرای سیستم را بهبود بخشد؛ به طوری که عملکرد ردیابی دقیق و سریعی را ارائه داده است. از الگوریتم چندهدفۀ جستوجوی فراکتال تصادفی برای تنظیم بهینۀ پارامترهای ORST-SMC به منظور کاهش هر دوی خطای ردیابی ولتاژ لینک DC و جریان باتری استفاده شده است. کنترلکنندۀ پیشنهادی در سیستم BSMES-HESS تحت چهار وضعیت متفاوت ارزیابی شده است. همچنین، به منظور اثبات بهتر کارایی این سیستم کنترل پیشنهادی، نتایج شبیهسازی با انجام مقایسه با کنترلکنندههای PID و SMC ارائه شده است. در نهایت، نتایج شبیهسازیها نشان داده است ORST-SMC توانسته است ردیابی دقیق و سریعتری نسبت به دیگر کنترلکنندهها داشته باشد.
[1] تاریخ ارسال مقاله: 01/07/1402 تاریخ پذیرش مقاله: 17/09/1403 نام نویسندۀ مسئول: علی درویش فالحی نشانی نویسندۀ مسئول: ایران، شادگان، دانشگاه آزاد اسلامی واحد شادگان، دانشکده مهندسی برق
[1] Electric vehicles [2] Energy storage system [3] Superconducting magnetic energy storage [4] Battery superconducting magnetic energy storage - Hybrid energy storage system [5] Proportional–integral–derivative [6] Doubly-fed induction generator [7] Pitch angle control [8] Electric continuously variable transmission [9] Optimal robust super twisting - Sliding mode control [10] Integral time absolute error [11] Diffusion limited aggregation | |||||||||||||||||||||
مراجع | |||||||||||||||||||||
[2] J. Zhao, X. Xi, Q. Na, S. Wang, S. N. Kadry, P. M. Kumar, “The technological innovation of hybrid and plug-in electric vehicles for environment carbon pollution control”, Environmental Impact Assessment Review, Vol. 86, p. 106506, 2021. [3] I. Rahman, P. M. Vasant, B. S. M. Singh, M. Abdullah-Al-Wadud, “On the performance of accelerated particle swarm optimization for charging plug-in hybrid electric vehicles”, Alexandria Engineering Journal, Vol. 55, No. 1, pp. 419-426, 2016. [4] F. Millo, L. Rolando, L. Tresca, L. Pulvirenti, “Development of a neural network-based energy management system for a plug-in hybrid electric vehicle”, Transportation Engineering, Vol. 11, p. 100156, 2023. [5] A. Manoharan, K.M. Begam, V. R. Aparow, D. Sooriamoorthy, “Artificial Neural Networks, Gradient Boosting and Support Vector Machines for electric vehicle battery state estimation: A review”, Journal of Energy Storage, Vol. 55, p. 105384, 2022. [6] A. K. Mohanty, S. Vivekanandhan, N. Tripathi, P. Roy, M. R. Snowdon, L. T. Drzal, M. Misra, “Sustainable composites for lightweight and flame-retardant parts for electric vehicles to boost climate benefits: A perspective”, Composites Part C: Open Access, Vol. 12, p. 100380, 2023. [7] Z. Zhang, N. Sheng, D. Zhao, K. Cai, G. Yang, Q. Song, “Are residents more willing to buy and pay for electric vehicles under the “carbon neutrality”?”, Energy Reports, Vol. 9, pp. 510-521, 2023. [8] C. Li, H. Zhou, J. Li, Z. Dong, “Economic dispatching strategy of distributed energy storage for deferring substation expansion in the distribution network with distributed generation and electric vehicle”, Journal of Cleaner Production, Vol. 253, p. 119862, 2020. [9] B. Xiao, J. Ruan, W. Yang, P.D. Walker, N. Zhang, “A review of pivotal energy management strategies for extended range electric vehicles”, Renewable and Sustainable Energy Reviews, Vol. 149, pp. 111194, 2021. [10] P. Xie, L. Jin, G. Qiao, C. Lin, C. Barreneche, Y. Ding, “Thermal energy storage for electric vehicles at low temperatures: Concepts, systems, devices and materials”, Renewable and Sustainable Energy Reviews, Vol. 160, p. 112263, 2022. [11] A. Colmenar-Santos, E. L. Molina-Ibáñez, E. Rosales-Asensio, Á. López-Rey, “Technical approach for the inclusion of superconducting magnetic energy storage in a smart city”, Energy, Vol. 158, pp. 1080-1091, 2018. [12] D. Álvaro, R. Arranz, J. A. Aguado, “Sizing and operation of hybrid energy storage systems to perform ramp-rate control in PV power plants”, International Journal of Electrical Power & Energy Systems, Vol. 107, pp. 589-596, 2019. [13] Y. Wang, Q. Wang, Y. Lan, Z. Song, J. Luo, X. Wei, F. Sun, Z. Yue, C. Yin, L. Zhou, X. Li, “Aqueous aluminide ceramic coating polyethylene separators for lithium-ion batteries”, Solid State Ionics, Vol. 345, p. 115188, 2020. [14] N. Li, Q. Li, X. Guo, M. Yuan, H. Pang, “Controllable synthesis of oxalate and oxalate-derived nanomaterials for applications in electrochemistry”, Chemical Engineering Journal, Vol. 372, pp. 551-571, 2019. [15] Y. H. Jiang, L. X. Kang, Y. Z. Liu, “A unified model to optimize con figuration of battery energy storage systems with multiple types of batteries”, Energy, Vol. 176, pp. 552-560, 2019. [16] Q. Sun, D. Xing, H. Alafnan, X. Pei, M. Zhang, W. Yuan, “Design and test of a new two-stage control scheme for SMES-battery hybrid energy storage systems for microgrid applications”, Applied Energy, Vol. 253, p. 113529, 2019. [17] R. H. Yang, J. X. Jin, Q. Zhou, M. Xiao, “Non-droop-control-based cascaded superconducting magnetic energy storage/battery hybrid energy storage system”, Journal of Energy Storage, Vol. 54, p. 105309, 2022. [18] N. Bizon, “Effective mitigation of the load pulses by controlling the battery/SMES hybrid energy storage system”, Applied Energy, Vol. 229, pp. 459-473, 2018. [19] N. Bizon, “Effective mitigation of the load pulses by controlling the battery/SMES hybrid energy storage system”, Applied Energy, Vol. 229, pp. 459-473, 2018. [20] M. S. Zarbil, A. Vahedi, H. A. Moghaddam, P. A. Khlyupin, “Design and Sizing of Electric Bus Flash Charger Based on a Flywheel Energy Storage System: A Case Study”, Energies, Vol. 15, No. 21, pp. 1-23, 2022. [21] Li, G. Li, Y. Xin, W. Li, T. Yang, B. Li, “A high-temperature superconducting energy conversion and storage system with large capacity”, Journal of Energy Storage, Vol. 53, p. 104957, 2022. [22] J. Jin, H. Li, R. Yang, Y. Li, Q. Zhou, G. Feng, X. Zhang, “An improved compensation method for voltage sags and swells of the electric vehicles charging station based on a UPQC-SMES system”, International Journal of Electrical Power & Energy Systems, Vol. 143, p. 108501, 2022. [23] A. Komijani, M. Sedighizadeh, M. Kheradmandi, “Improving Fault Ride-Through in meshed microgrids with wind and PV by Virtual Synchronous Generator with SFCL and SMES”, Journal of Energy Storage, Vol. 50, p. 103952, 2022. [24] B. Yang, J. Wang, X. Zhang, J. Wang, H. Shu, S. Li, T. He, C. Lan, T. Yu, “Applications of battery/supercapacitor hybrid energy storage systems for electric vehicles using perturbation observer based robust control”, Journal of Power Sources, Vol. 448, p., pp. 227444, 2020. [25] J. Li, R. Xiong, H. Mu, B. Cornélusse, P. Vanderbemden, D. Ernst, W. Yuan, “Design and real-time test of a hybrid energy storage system in the microgrid with the benefit of improving the battery lifetime”, Applied Energy, Vol. 218, pp. 470-478, 2018. [26] J. Huang, Z. Huang, Y. Wu, Y. Liu, H. Li, F. Jiang, J. Peng, “Sizing optimization research considering mass effect of hybrid energy storage system in electric vehicles”, Journal of Energy Storage, Vol. 48, p. 103892, 2022. [27] Q. Zhang, L. Wang, G. Li, S. Liao, “Fuzzy Predictive Energy Management for Hybrid Energy Storage Systems of Pure Electric Vehicles using Markov Chain Model”, International Journal of Electrochemical Science, Vol. 15, No. 11, p. 10866-10884, 2020. [28] S. Gezahegn, C. Garcia, R. Lai, X. Zhou, J. Tjong, S. C. Thomas, F. Huang, S. Jaffer, Y. Weimin, M. Sain, “Benign species-tuned biomass carbonization to nano-layered graphite for EMI filtering and greener energy storage functions”, Renewable Energy, Vol. 164, pp. 1039-1051, 2021. [29] A. Boudia, S. Messalti, A. Harrag, M. Boukhnifer, “New hybrid photovoltaic system connected to superconducting magnetic energy storage controlled by PID-fuzzy controller”, Energy Conversion and Management, Vol. 244, p. 114435, 2021. [30] T. L. Zhang, Q. Zhou, S. Mu, H. Li, Y. J. Li and J. Wang, “Voltage-Based Segmented Control of Superconducting Magnetic Energy Storage for Transient Power Fluctuation Suppression in Island DC Microgrid”, IEEE Transactions on Applied Superconductivity, Vol. 31, No. 8, pp. 1-5, 2021. [31] Y. Yin, J. Liu, “Collaborative decision-making model for capacity allocation of photovoltaics energy storage system under Energy Internet in China”, Journal of Energy Storage, Vol. 66, p. 107456, 2023. [32] C. Li, Y. Cao, B. Li, S. Wang, P. Chen, “A novel power control scheme for distributed DFIG based on cooperation of hybrid energy storage system and grid-side converter”, International Journal of Electrical Power & Energy Systems, Vol. 157, p. 109801, 2024. [33] J. Ruan, Q. Song, W. Yang, “The application of hybrid energy storage system with electrified continuously variable transmission in battery electric vehicle”, Energy, Vol 183, pp. 315-333, 2019 . [34] S. Zhou, Y. Han, A. S. Zalhaf, M. Lehtonen, M. M. F. Darwish, Karar Mahmoud, “A novel stochastic multistage dispatching model of hybrid battery-electric vehicle-supercapacitor storage system to minimize three-phase unbalance”, Energy, Vol. 296, p. 131174, 2024. [35] L. Guo, P. Hu, H. Wei, “Development of supercapacitor hybrid electric vehicle”, Journal of Energy Storage, Vol. 65, p. 107269, 2023. [36] M. J. Lencwe, T. O. Olwal, S. P. D. Chowdhury, M. Sibanyoni, “Nonsolitary two-way DC-to-DC converters for hybrid battery and supercapacitor energy storage systems: A comprehensive survey”, Energy Reports, Vol. 11, pp. 2737-2767, 2024. [37] H. Jung, H. Wang, T. Hu, “Control design for robust tracking and smooth transition in power systems with battery/supercapacitor hybrid energy storage devices”, Journal of Power Sources, Vol. 267, pp. 566-575, 2014. [38] M. A. Mellal, E. Zio, “A penalty guided stochastic fractal search approach for system reliability optimization”, Reliability Engineering & System Safety, Vol. 152, pp. 213-227, 2016. [39] E. Çelik, “Improved stochastic fractal search algorithm and modified cost function for automatic generation control of interconnected electric power systems”, Engineering Applications of Artificial Intelligence, Vol. 88, p. 103407, 2020. [40] T. L. Duong, P. T. Nguyen, N. D. Vo, M. P. Le, “A newly effective method to maximize power loss reduction in distribution networks with highly penetrated distributed generations”, Ain Shams Engineering Journal, Vol. 12, No. 2, pp. 1787-1808, 2021. | |||||||||||||||||||||
آمار تعداد مشاهده مقاله: 32 تعداد دریافت فایل اصل مقاله: 16 |