وبلاگ

مهندسی برق – قدرت
عنوان:
کنترل میکروتوربین با استفاده از شبکه های عصبی
برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود
تکه هایی از متن به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده
میکروتوربین ها (MT) به عنوان یک منبع تولید انرژی در سیستم های DG، کاربردهای فراوانی پیدا کرده و روز به روز نیاز کاربران به آنها بیشتر میشود. میکروتوربین ها، نمونه کوچکی از توربین های گازی میباشد، که به علت حجم کم، تعداد کم قطعات متحرک، اندازه کوچک، وزن سبک، بازدهی خوب در تولید همزمان، آلایندگی کم، استفاده از سوختهای زاید، فواصل طولانی تعمیرات و عمل در فشارهای کم گاز، در کانون توجه تولیدکنندگان و مصرف کنندگان انرژی الکتریکی قرار گرفته است. این پایان نامه کنترل یک میکروتوربین را با استفاده از کنترل کننده های PI و شبکه عصبی معرفی میکند. میکروتوربین سه حلقه کنترلی دارد، این سه حلقه، دما، توان و سرعت میباشند. به علاوه میکروتوربین، به یک مولد سنکرون (SG) که شامل یک حلقه کنترل ولتاژ میباشد، متصل است. در این پایان نامه یک کنترل کننده شبکه عصبی با چهار ورودی و چهار خروجی به جای چهار حلقه کنترل کننده PI برای کنترل میکروتوربین و ژنراتور سنکرون استفاده شده است. میکروتوربین ها به دو   دسته میکروتوربین های
تک محور یا سرعت بالا و میکروتوربین های دومحور یا سرعت پایین تقسیم میشوند. از یک مدل میکروتوربین دومحوره برای شبیه سازی، استفاده شده است. در میکروتوربین های دومحور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. چرخدنده برای کاهش سرعت تا 3600rpm مورد استفاده قرار میگیرد و با استفاده از یک ژنراتور سنکرون 2 قطبی، فرکانس ولتاژ تولیدی 60Hz خواهد شد و هیچ نیازی به تجهیزات الکترونیکی برای کاهش فرکانس لازم نمیباشد.
در این پایان نامه جهت شبیه سازی از مدلهای موجود در جعبه ابزار Simulink نرم افزار MATLAB استفاده شده است همچنین برنامه تولید و آموزش شبکه عصبی در محیط نرم افزار MATLAB  نوشته شده است. با استفاده از روشهای بهبود عملکرد شبکه عصبی و بهبود آموزش آن، نتایج کنترل کننده شبکه عصبی بهبود یافته است. سه شاخص اندازه گیری خطا، که عبارت از خطای میانگین مطلق (AME)، خطای مربع میانگین ریشه ها (RMSE) و خطای انحراف استاندارد (SDE) می باشند، برای مقایسه عملکرد میکروتوربین با کنترل کننده های شبکه عصبی و PI استفاده شده است. با توجه به نتایج بدست آمده، کنترل میکروتوربین با کنترل کننده شبکه عصبی در مقایسه با کنترل کننده PI عملکرد بهتری را نشان میدهد.
مقدمه:
استفاده از مولدهای کوچک برای تولید برق بعد از ایجاد نیروگاه های بزرگ رنگ باخت، اما با پیشرفت تکنولوژیهای تولید برق در مقیاس کوچک و ایجاد تجدید ساختار در صنعت برق و مسائل زیست محیطی، باعث مطرح