Çin’deki bilim adamları, yeni bir invertör tasarımını şekillendirmek için yiyecek arayan arıların davranışını simüle eden bir algoritma kullanmayı önerdiler. Yaklaşım, hem şebekeye bağlı hem de adalı invertörler için tasarlanmıştır. Çin’deki Inha Üniversitesi’nden araştırmacılar, bir bal arısı sürüsünün akıllı davranışına dayanan bir optimizasyon algoritması olan yapay arı kolonisi (ABC) algoritmasına dayalı yeni bir ızgara oluşturan invertör konsepti oluşturdu.
Bu algoritma, nektar ararken bal arısı kolonilerinin yiyecek arama davranışını taklit eder. Sayısal problemleri, bir amaç fonksiyonunu minimize etmek için en iyi parametreyi bulma problemine dönüştürerek optimize eder. Algoritma, zayıf çözümleri terk ederken daha iyi çözümlere doğru ilerler. Şebeke oluşturan invertörler, ayarlanabilir voltaj ve frekans oluşturur ve geleneksel senkron güç jeneratörleri olmadan mikro şebekeleri çalıştırabilir. Özellikle düşük ataletli çalışma koşullarında şebeke senkronizasyonunu iyileştirmek için birincil mekanizmalar olarak da işlev görebilirler.
Grup, önerilen invertör tasarımının hem şebekeye bağlı hem de ada koşullarında optimum şekilde çalışabileceğini söyledi. Bu iki farklı kontrol stratejisini, Algoritmaya ek parametreler eklemenin bir yolu olan Kesirli Sıra tabanlı Oransal-İntegral (FOPI) denetleyici kullanarak birleştirir. “FOPI denetleyicisi, geleneksel PI denetleyicilerine kıyasla daha yüksek bir serbestlik derecesine sahiptir ve hata minimizasyonu hedefi daha etkili bir şekilde yapılabilir” diye açıkladı ve karmaşık süreçleri bir dizi temel olay ve etkileşime indirgeyerek rastgele değişkenlerden etkilenen öngörülemeyen sonuçları değerlendirmek için tipik olarak dağıtılan Monte Carlo simülasyonlarını kullandığını ekledi. “İlk optimum arama alanını oluşturmak için Monte Carlo simülasyonu yapıldı.” Denetleyici ayrıca, bilim adamlarının bir çözüm yakınsaması bulunursa algoritmanın erken durmasına yardımcı olduğunu söylediği uyarlanan bir durma kriterine göre çalışabilir. Bu, algoritmayı aynı invertör tasarımına sahip grup tarafından test edilen Particle Swarm Optimization (PSO) ve Gray Wolf Optimization (GWO) gibi diğer farklı optimizasyon algoritmalarına kıyasla daha hızlı ve daha etkili hale getirir.
PSO, modellemede her iki enerji kaynağının CoE’sini en aza indirmek için sürülerin hareketine ve zekasına dayalı bir stokastik optimizasyon yöntemidir. GWO algoritması, doğadaki gri kurtların hiyerarşisini ve avlanma mekanizmasını taklit eder. Kontrolörler, kaliteli veri (qd) modunda çalışır ve bildirildiğine göre, yetersiz bir çözüme yakalanma belirsizliğini azaltarak eviricinin en uygun çözümü bulmasına yardımcı olur. Çalışmaları, farklı ada-şebeke yeniden bağlanma süreleri gibi farklı senaryolar altında simüle edilmiş ve performansları yük değişimleri sırasında ve ayrıca hat parametrelerindeki değişiklikler sırasında test edilmiştir.
Simülasyon sayesinde, bilim adamları frekans, voltaj dq miktarı ve gerçek ve reaktif güç gibi önemli parametrelerin istenen süre içinde kararlı duruma veya izin verilen aralığa ulaştığını tespit ettiler. Her bir yük seviyesi için performanslarının “yeterli” olduğu bulundu.
KAYNAK