Search

Typically, permanent magnet synchronous generator (PMSG)-driven wind turbines (WTs) present a two-stage power converter topology based on a DC/DC boost converter and voltage source inverter. In this study, this configuration is substituted by a quasi-Z-source inverter (qZSI), which is an attractive solution for boosting and converting the voltage from DC to AC in a single stage. A 2 MW PMSG WT with qZSI was studied herein. A switched dynamic model (SDM) of the qZSI (including the modeling of all switches and firing pulses) is not recommended for steady-state stability studies, long-term simulations, or large electric power systems. For such studies, two averaged dynamic models are proposed in this work. Both models present the same control system as the SDM, except for the generation of firing pulses, which is not necessary in the averaged models. The two proposed models were evaluated and compared with the SDM in the large-scale WT under different operating conditions, such as wind speed fluctuations, variable power references, and grid disturbances (voltage sag and 3(rd) and 5(th) order harmonics injection), in order to demonstrate their adequacy to represent the system response with a high reduction in the simulation time and computational efforts., This work was supported in part by the Spain's Ministerio de Ciencia, Innovacion y Universidades (MCIU), Agencia Estatal de Investigacion (AEI), and Fondo Europeo de Desarrollo Regional (FEDER) Union Europea (UE) under Grant RTI2018-095720-B-C32, in part by the National Council of Technological and Scientific Development (CNPq), Brazil, in part by the Federal Center for Technological Education of Minas Gerais, Brazil, under Process 23062-010087/2017-51, and in part by the Regional Ministry of Economic Transformation, Industry, Knowledge and Universities of Junta de Andalucia under Grant PY20_00317.

Durante el desarrollo de este proyecto se estudiará el uso de algoritmos metaheurísticos para controlar el mecanismo de adaptación de un controlador PI. Con ello se pretende dar a conocer la importancia y utilidad de la aplicación de este tipo de algoritmos para el control inteligente de sistemas. En la actualidad los algoritmos bioinspirados son uno de los campos emergentes más prometedores de los últimos tiempos. Los procesos estocásticos son un problema que afectan al rendimiento de los sistemas eléctricos y son difíciles de controlar, pues suelen ser magnitudes aleatorias que presentan una evolución en el tiempo con una distribución estadística. Estos suelen surgir como errores de medida, envejecimiento de la planta, desviaciones del punto de operación, etc. La Optimización Basada en Biogeografía permite la optimización de los sistemas estocásticos de una manera sencilla. Esta trata de estudiar los factores de la distribución geográfica de especies en función de las características de los diferentes hábitats, definidos como un área aislada donde reside una determinada especie. Una de las ventajas del uso de este tipo de algoritmo es la robustez que aporta al sistema, haciéndolo capaz de resistir perturbaciones y variaciones en la planta que se pueden dar debido al envejecimiento de esta o a la variación del SetPoint. Básicamente partiremos de un punto acotado dentro de unos márgenes y el algoritmo irá variando los parámetros del controlador según las distintas soluciones que vaya obteniendo de la exploración, conservando siempre la mejor solución encontrada durante el proceso iterativo.

Durante el desarrollo de este proyecto se estudiará el uso de algoritmos metaheurísticos para controlar el mecanismo de adaptación de un controlador PI. Con ello se pretende dar a conocer la importancia y utilidad de la aplicación de este tipo de algoritmos para el control inteligente de sistemas. En la actualidad los algoritmos bioinspirados son uno de los campos emergentes más prometedores de los últimos tiempos. Los procesos estocásticos son un problema que afectan al rendimiento de los sistemas eléctricos y son difíciles de controlar, pues suelen ser magnitudes aleatorias que presentan una evolución en el tiempo con una distribución estadística. Estos suelen surgir como errores de medida, envejecimiento de la planta, desviaciones del punto de operación, etc. La Optimización Basada en Biogeografía permite la optimización de los sistemas estocásticos de una manera sencilla. Esta trata de estudiar los factores de la distribución geográfica de especies en función de las características de los diferentes hábitats, definidos como un área aislada donde reside una determinada especie. Una de las ventajas del uso de este tipo de algoritmo es la robustez que aporta al sistema, haciéndolo capaz de resistir perturbaciones y variaciones en la planta que se pueden dar debido al envejecimiento de esta o a la variación del SetPoint. Básicamente partiremos de un punto acotado dentro de unos márgenes y el algoritmo irá variando los parámetros del controlador según las distintas soluciones que vaya obteniendo de la exploración, conservando siempre la mejor solución encontrada durante el proceso iterativo.