مدیریت انرژی ریزشبکه‌ها و جبران‌سازی هارمونیک آنها از طریق فیلتر اکتیو موازی مبتنی برسیستم‌های چندعاملی
الموضوعات :
محمدرضا صالحی راد
1
,
محمد ملایی امام زاده
2
1 - دانشگاه شهید باهنر کرمان
2 - دانشگاه شهید باهنر کرمان
الکلمات المفتاحية: جبران‌سازی هارمونیکی جریان, سیستم‌های چندعاملی, فیلتر اکتیو موازی, فیلتر پسیو SC-RC-LCL, مدیریت انرژی,
ملخص المقالة :
در این مقاله با استفاده از فیلتر اکتیو موازی، یک استراتژی جدید مدیریت انرژی در ساختار چندعاملی ارائه می‌شود. این استراتژی به یک ریزشبکه AC متصل به شبکه اعمال گردیده و مسأله جبران‌سازی هارمونیکی را نیز شامل می‌شود. با بررسی مزایا و معایب فیلترهای اکتیو موازی و فیلترهای پسیو و همچنین کارایی آنها در ساختار چندعاملی برای ریزشبکه‌های قدرت، علت استفاده از فیلتر اکتیو موازی در روش پیشنهادی مشخص شده است. همچنین عملکرد این فیلترها جهت جبران‌سازی هارمونیک‌های جریان با بررسی نتایج FFT مورد مقایسه قرار گرفته است. در ریزشبکه مورد استفاده از مولد توربین بادی و مولد سلول‌های خورشیدی به عنوان منابع تجدیدپذیر و برای جبران تغییرات ناگهانی و برنامه‌ریزی‌نشده در توان تولیدی این دو مولد، دو پیل سوختی استفاده می‌شود. واحد مدیریت انرژی با توجه به توان تولیدی و توان مصرفی ریزشبکه، وضعیت فعال و غیرفعال‌بودن دو پیل سوختی را به نحوی مدیریت می‌کند که توان تبادل‌شده بین ریزشبکه و شبکه اصلی در بازه قابل قبولی محدود باشد. نتایج شبیه‌سازی نشان می‌دهند که روش پیشنهادی با استفاده از کنترل‌کننده‌های پیوسته محلی (در هر عامل) و کنترل‌کننده گسسته مرکزی (سیستم مدیریت انرژی) توانسته که عملکرد مناسبی داشته باشد و ضمن تأمین توان مورد نیاز ریزشبکه، هم‌زمان مسأله جبران‌سازی هارمونیک‌های جریان را به درستی انجام دهد.
[1] R. Engleitner, A. Nied, M. S. M. Cavalca, and J. P. Da costa, "Dynamic analysis of small wind turbines frequency support capability in a low power wind-diesel microgrid," IEEE Trans. on Industry Applications, vol. 54, no. 1, pp. 102-111, Jan.-Feb. 2018.
[2] B. Benlahbib, et al., "Experimental investigation of power management and control of PV/wind/fuel cell/battery hybrid energy system microgrid," International J. of Hydrogen Energy, vol. 45, no. 53, pp. 29110-29122, Oct. 2020.
[3] S. Vachirasricirikul and I. Ngamroo, "Robust controller design of microturbine and electrolyzer for frequency stabilization in a microgrid system with plug-in hybrid electric vehicles," International J. Electric Power Energy System, vol. 43, no. 1, pp. 804-811, Dec. 2012.
[4] I. Ngamroo, "Application of electrolyzer to alleviate power fluctuation in a stand-alone microgrid based on an optimal fuzzy PID control," International J. Electric Power Energy System, vol. 43, no. 1, pp. 969-976, Dec. 2012.
[5] M. N. Ambia, A. Al-Durra, C. Caruana, and S. M. Muyeen, "Power management of hybrid microgrid system by a generic centralized supervisory control scheme," Sustainable Energy Technologies and Assessments, vol. 8, pp. 57-65, Dec. 2014.
[6] M. Elsied, A. Oukaour, H. Gualous, and R. Hassan, "Energy management and optimization in microgrid system based on green energy," Energy, vol. 84, pp. 139-151, May 2015.
[7] R. Wang, P. Wang, G. Xiao, and S. Gong, "Power demand and supply management in microgrids with uncertainties of renewable energies," International J. of Electrical Power & Energy Systems, vol. 63, pp. 260-269, Dec. 2014.
[8] T. Wang, D. O'Neill, and H. Kamath, "Dynamic control and optimization of distributed energy resources in a microgrid," IEEE Trans. on Smart Grid, vol. 6, no. 6, pp. 2884-2894, Nov. 2015.
[9] D. E. Olivares, C. A. Cañizares, and M. Kazerani, "A centralized optimal energy management system for microgrids," IEEE Power and Energy Society General Meeting, 6 pp., Detroit, MI, USA, 24-28 Jul. 2011.
[10] C. S. Karavas, G. Kyriakarakos, K. G. Arvanitis, and G. Papadakis, "A multi-agent decentralized energy management system based on distributed intelligence for the design and control of autonomous polygeneration microgrids," Energy Conversion Management, vol. 103, pp. 166-179, Oct. 2015.
[11] M. Elgamal, N. Korovkin, A. Elmitwally, and Z. Chen, "Robust multi-agent system for efficient online energy management and security enforcement in a grid-connected microgrid with hybrid resources," IET Generation, Transmission & Distribution, vol. 14, no. 9, pp. 1726-1737, May 2020.
[12] X. Xu, H. Jia, D. Wang, D. C. Yu, and H. D. Chiang, "Hierarchical energy management system for multi-source multi-product microgrids," Renewable Energy, vol. 78, pp. 621-630, Jun. 2015.
[13] J. P. Torreglosa, P. García, L. M. Fernández, and F. Jurado, "Hierarchical energy management system for stand-alone hybrid system based on generation costs and cascade control," Energy Conversion and Management, vol. 77, pp. 514-526, Jan 2014.
[14] M. Elsied, A. Oukaour, H. Gualous, R. Hassan, and A. Amin, "An advanced energy management of microgrid system based on genetic algorithm," in Proc. IEEE 23rd Int. Symp. on Industrial Electronics, ISIE'14, pp. 2541-2547, Istanbul, Turkey, 1-4 Jun. 2014.
[15] R. S. Sreeleksmi, A. Ashok, and M. G. Nair, "A fuzzy logic controller for energy management in a PV battery based microgrid system," in Proc. Int. Conf. on Technological Advancements in Power and Energy, TAP Energy'17, 6 pp., Kollan, India, 21-23 Dec. 2017.
[16] A. M. D. S. Alonso, D. I. Brandao, T. Caldognetto, F. P. Marafão, and P. Mattavelli, "A selective harmonic compensation and power control approach exploiting distributed electronic converters in microgrids," Electrical Power and Energy Systems, vol. 115, Article ID: 105452, Feb. 2020.
[17] P. Sreekumar and V. Khadkikar, "A new virtual harmonic impedance scheme for harmonic power sharing in an islanded microgrid," IEEE Trans. Power Delivery, vol. 31, no. 3, pp. 936-945, Jun. 2016.
[18] J. Zhou, S. Kim, H. Zhang, Q. Sun, and R. Han, "Consensus-based distributed control for accurate reactive, harmonic and imbalance power sharing in microgrids," IEEE Trans. Smart Grid, vol. 9, no. 4, pp. 2453-2467, Jul. 2017.
[19] M. S. Golsorkhi and D. D. C. Lu, "A decentralized control method for islanded microgrids under unbalanced conditions," IEEE Trans. Power Delivery, vol. 31, no. 3, pp. 1112-1121, Jun. 2016.
[20] V. Viswanatha and R. Venkata Siva Reddy, "A complete mathematical modeling, simulation and computational implementation of boost converter via MATLAB/Simulink," International J. of Pure and Applied Mathematics, vol. 114, no. 10, pp. 407-419, 2017.
[21] P. Dey and S. Mekhilef, "Current harmonics compensation with three-phase four-wire shunt hybrid active power filter based on modified D-Q theory," IET Power and Electronics, vol. 8, no. 11, pp. 2265-2280, Nov. 2015.
[22] P. Santiprapan, K. L. Areerak, and K. N. Areerak, "Mathematical model and control strategy on DQ frame for shunt active power filters," World Academy of Science, Engineering and Technology, vol. 5, no. 12, pp. 353-361, Sept. 2011.
[23] S. U. Bhople and S. K. Rayarao, "Reduction of harmonics using shunt active power filters," International J. of Engineering Research & Technology, vol. 4, no. 7, pp. 293-296, Jul. 2015.
[24] A. Akhavan, H. R. Mohammadi, and J. M. Guerrero, "A comprehensive control system for multi-parallel grid-connected inverters with LCL filter in weak grid condition," Electric Power Systems Research, pt. A, vol. 163, pp. 288-300, Oct. 2018.
[25] C. C. Gomes, A. F. Cupertino, and H. A. Pereira, "Damping techniques for grid-connected voltage source converters based on LCL filter: an overview," Renewable and Sustainable Energy Reviews, pt. I, vol. 81, pp. 116-135, Jan. 2018.
[26] T. Lu, Z. Wang, Q. Ai, and W. J. Lee, "Interactive model for energy management of clustered microgrids," IEEE Trans. on Industry Applications, vol. 53, no. 3, pp. 1739-1750, May-Jun. 2017.
[27] H. R. Imani, A. Mohamed, H. Shreef, and M. Eslami, "Multi-objective optimization based approaches for hybrid power filter design," in Proc. 21st Iranian Conf. on Electrical Engineering, ICEE'13, 5 pp., Mashhad, Iran, 14-16 May. 2013.
[28] C. G. Cassandras and S. Lafortune, Introduction to Discrete Event Systems, Springer Science and Business Media, LLC, 2008.
[29] J. Lunze and F. L. Lagarrigue, Handbook of Hybrid Systems Control: Theory, Tools, Applications, Cambridge University Press, 2009.
[30] M. Y. El-Sharkh, et al., "A dynamic model for a stand-alone PEM fuel cell power plant for residential applications," J. of Power Sources, vol. 138, no. 1-2, pp. 199-204, Nov. 2004.
[31] M. Mohammadi and M. Nafar, "Fuzzy sliding-mode based control (FSMC) approach of hybrid microgrid in power distribution systems," International J. of Electrical Power & Energy Systems, vol. 51, pp. 232-242, Oct. 2013.
نشریه مهندسی برق و مهندسی كامپیوتر ایران، الف- مهندسی برق، سال 21، شماره 1، بهار 1402 33
مقاله پژوهشی
مدیریت انرژی ریزشبکه‌ها و جبران‌سازی هارمونیک آنها از طریق فیلتر اکتیو موازی مبتنی بر سیستم‌های چندعاملی
محمدرضا صالحی راد و محمد ملائی امام‌زاده
چكیده: در این مقاله با استفاده از فیلتر اکتیو موازی، یک استراتژی جدید مدیریت انرژی در ساختار چندعاملی ارائه می‌شود. این استراتژی به یک ریزشبکه AC متصل به شبکه اعمال گردیده و مسأله جبران‌سازی هارمونیکی را نیز شامل می‌شود. با بررسی مزایا و معایب فیلترهای اکتیو موازی و فیلترهای پسیو و همچنین کارایی آنها در ساختار چندعاملی برای ریزشبکه‌های قدرت، علت استفاده از فیلتر اکتیو موازی در روش پیشنهادی مشخص شده است. همچنین عملکرد این فیلترها جهت جبران‌سازی هارمونیک‌های جریان با بررسی نتایج FFT مورد مقایسه قرار گرفته است. در ریزشبکه مورد استفاده از مولد توربین بادی و مولد سلول‌های خورشیدی به عنوان منابع تجدیدپذیر و برای جبران تغییرات ناگهانی و برنامه‌ریزی‌نشده در توان تولیدی این دو مولد، دو پیل سوختی استفاده می‌شود. واحد مدیریت انرژی با توجه به توان تولیدی و توان مصرفی ریزشبکه، وضعیت فعال و غیرفعال‌بودن دو پیل سوختی را به نحوی مدیریت می‌کند که توان تبادل‌شده بین ریزشبکه و شبکه اصلی در بازه قابل قبولی
محدود باشد. نتایج شبیه‌سازی نشان می‌دهند که روش پیشنهادی با استفاده
از کنترل‌کننده‌های پیوسته محلی (در هر عامل) و کنترل‌کننده گسسته مرکزی (سیستم مدیریت انرژی) توانسته که عملکرد مناسبی داشته باشد و ضمن تأمین توان مورد نیاز ریزشبکه، هم‌زمان مسأله جبران‌سازی هارمونیک‌های جریان را به درستی انجام دهد.
کلیدواژه: جبران‌سازی هارمونیکی جریان، سیستم‌های چندعاملی، فیلتر اکتیو موازی، فیلتر پسیو SC-RC-LCL، مدیریت انرژی.
1- مقدمه
به مجموعه‌ای از مولدهای انرژی شامل توربین بادی، مولد خورشیدی، سیستم‌های ذخیره‌ساز انرژی و پیل‌های سوختی که انرژی مورد نیاز یک بار را با استفاده از یک سیستم غیرمتمرکز در هر دو حالت مستقل از شبکه و متصل به شبکه می‌تواند تأمین نماید، ریزشبکه گویند [1]. ترکیب منابع انرژی تجدیدپذیر مانند منابع خورشیدی و بادی که قابلیت برنامه‌ریزی و پیش‌بینی ضعیفی دارند با منابع تجدیدپذیری که کاملاً قابل برنامه‌ریزی هستند، توانسته که امکان استفاده از مزایای انرژی‌های تجدیدپذیر را در شبکه‌های قدرت فراهم آورد. در واقع استفاده از پیل سوختی به عنوان یک منبع پشتیبان در کنار مولدهای خورشیدی و بادی، پایداری یک ریزشبکه را افزایش می‌دهد [2]. از موارد مهم در استفاده از ریزشبکه‌ها می‌توان به مدیریت انرژی، جبران کمبود توان و نیز حفظ تعادل تولید و مصرف در شرایط اتصال و یا عدم اتصال به شبکه قدرت اشاره کرد.
تا کنون تحقیقات گسترده‌ای در زمینه ریزشبکه‌ها انجام گردیده که بخشی از تحقیقات، مربوط به کنترل‌کننده‌های ادوات الکترونیک قدرت
در ریزشبکه است. در [3] یک کنترل‌کننده مقاوم برای میکروتوربین‌ها و الکترولایزرهای استفاده‌شده در ریزشبکه با هدف کنترل فرکانس ارائه گردیده است. در [4] برای رفع مشکل نوسانات توان در یک ریزشبکه، یک کنترل‌کننده PID فازی برای کنترل الکترولایزر پیشنهاد شده است. از طرف دیگر در اکثر مطالعاتی که در زمینه مدیریت و استراتژی کنترلی ریزشبکه‌ها ارائه شده است، بحث مدل‌سازی تجهیزات، بسیار کم‌رنگ و بیشتر تمرکز بر ارائه روش مدیریتی بوده است [5] تا [8].
در بیشتر سیستم‌ها استراتژی‌های مدیریت انرژی ریزشبکه‌ها بر اساس ساختار متمرکز طراحی شده است [5] تا [7]؛ اما با رشد سریع ریزشبکه‌ها در شبکه‌های قدرت و افزایش تعداد آنها و همچنین به دلیل وجود مولدها و انواع بارهای مختلف، استفاده از روش‌های کنترل و مدیریت متمرکز به دلیل افزایش هزینه‌های ارتباطی و مخابراتی، مقرون به صرفه نیستند [8] و [9]. از طرفی سیستم‌های کنترل متمرکز با هر تغییری در شبکه نیاز به تجدید ساختار و به‌روزرسانی دارند [9]. از آنجا که سیستم‌های چندعاملی بر پایه ساختار کنترل غیرمتمرکز طراحی می‌شوند، برای کنترل و مدیریت انرژی ریزشبکه‌ها مقاوم‌تر، مقرون‌به‌صرفه‌تر و برخوردار از پیچیدگی کمتری هستند و همچنین عیب‌یابی، اصلاح و اعمال تغییرات در یکی از قسمت‌ها راحت‌تر انجام می‌شود [10] و [11]. بنابراین در سال‌های اخیر، بیشتر روش‌های کنترل مدیریت انرژی ریزشبکه‌ها به سمت سیستم‌های غیرمتمرکز چندعاملی رفته است. در [12] یک سیستم سلسله‌مراتبی سه‌لایه شامل لایه نظارتی، لایه بهینه‌سازی و لایه اجرایی برای کنترل ریزشبکه پیشنهاد شده است. در [13] از دو کنترل‌کننده که به صورت Master/Slave طراحی شده‌اند، برای مدیریت یک ریزشبکه با مولدهای توربین بادی، خورشیدی و باطری استفاده گردیده و همچنین از روش‌های هوشمند مانند الگوریتم ژنتیک، کنترل‌کننده منطق فازی و بهینه‌ساز الگوریتم پرندگان برای سیستم‌های مدیریت انرژی استفاده شده است.
به طور مثال در [14] از الگوریتم ژنتیک برای مدیریت و بهینه‌سازی تولید در یک ریزشبکه که شامل چندین نوع مولد انرژی است، استفاده گردیده
و همچنین در [15] منطق فازی برای بهینه‌سازی عملکرد مولدهای ریزشبکه به کار گرفته شده است. در این مقاله از یک روش جدید جهت مدیریت انرژی در ریزشبکه بهره گرفته شده است. این توپولوژی که ماشین میلی نام دارد، ضمن تأمین توان مورد نیاز بارهای شبکه، باعث کنترل توان تبادلی بین ریزشبکه و شبکه در محدوده مشخصی می‌شود تا خطوط انتقال بر اثر افزایش توان تبادلی آسیب نبینند.
[1] این مقاله در تاریخ 13 دی ماه 1400 دریافت و در تاریخ 17 شهريور ماه 1401 بازنگری شد.
محمدرضا صالحی‌راد، دانشكده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران، (email: m.salehirad2020@gmail.com).
محمد ملائی امام‌زاده (نویسنده مسئول)، دانشكده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران، (email: molaie@uk.ac.ir).
شکل 1: ساختار سیستم چندعاملی پیشنهادی شبکه جهت کنترل و جبران‌سازی هارمونیکی به روش فیلتر اکتیو موازی.
بارهای غیرخطی در اتصال با یک شبکه قدرت نیز می‌توانند موجب بروز اغتشاشات در ولتاژ و جریان شبکه شوند که اثر آن می‌تواند بر ریزشبکه‌های متصل به شبکه قدرت در مواردی، بسیار شدید باشد [16]. از جمله مشکلاتی که یک بار غیرخطی می‌تواند در ریزشبکه‌ها ایجاد کند، بروز اغتشاشات هارمونیکی است. در سال‌های اخیر، روش‌های مختلفی برای جبران‌سازی هارمونیکی استفاده گردیده که یکی از روش‌های مؤثر
و کاربردی، استفاده از سیستم‌های چندعاملی و سلسله‌مراتبی برای جبران‌سازی هارمونیکی می‌باشد [17] تا [19].
در بیشتر مطالعاتی که در زمینه مدیریت انرژی و جبران‌سازی هارمونیکی ریزشبکه‌ها انجام شده است، تمرکز بر ارائه استراتژی کنترلی بوده و توجه کمتری به مدل‌سازی‌ها و رفتارهای دینامیکی ادوات و تجهیزات ریزشبکه گردیده است؛ در حالی که برای مدیریت انرژی و جبران‌سازی هارمونیک‌ها در یک ریزشبکه، نیاز به مطالعه تمام بخش‌های ریزشبکه با درنظرگرفتن ویژگی‌های دینامیکی و فیزیکی مربوط به مولدها و مبدل‌های قدرت است. بنابراین در این مقاله، جبران‌سازی و مدیریت انرژی ریزشبکه با دقت کافی نسبت به رفتارها و ویژگی‌های دینامیکی و فیزیکی تجهیزات انجام شده و استراتژی کنترلی با مدل‌سازی واقعی‌تر
از یک ریزشبکه مورد بررسی قرار گرفته است. مدل‌سازی مبدل‌های DC/DC و DC/AC با استفاده از مدل‌های دینامیک بوده و در مدل‌سازی مبدل‌های خورشیدی، بادی و پیل سوختی از مدل‌هایی با جزئیات دینامیکی استفاده گردیده است. همچنین یکی از موارد مهم در کنترل ریزشبکه‌ها، مسئله ظرفیت مبدل‌هاست. از آنجا که در شبکه‌های واقعی، وجود بارهای هارمونیکی موجب اشغال ظرفیت مبدل‌ها می‌شود، بنابراین کنترل و مدیریت انرژی یک ریزشبکه بدون درنظرگرفتن محدودیت‌های ناشی از هارمونیک می‌تواند موضوع را دور از واقعیت قرار دهد. در این مقاله، ضمن درنظرگرفتن هارمونیک‌های شبکه، از دو دیدگاه گسسته و پیوسته به مسئله کنترل و مدیریت انرژی نگاه شده و سیستم چندعاملی پیشنهادشده، توانسته تا با هماهنگی بین دینامیک پیوسته و دینامیک گسسته سیستم، به خوبی کنترل و جبران‌سازی هارمونیکی را برای ریزشبکه انجام دهد.
2- بیان مسئله
به منظور حفظ پایداری، انطباق‌پذیری و استقلال ریزشبکه از یک سیستم چندعاملی مبتنی بر هوش مصنوعی استفاده شده است. شکل‌های 1 و 2، ساختار سیستم چندعاملی را که برای کنترل و جبران‌سازی هارمونیکی ریزشبکه به کار رفته‌اند نشان می‌دهند. این سیستم با هدف تأمین انرژی الکتریکی مورد نیاز بار با در نظر گرفتن محدودیت‌های محیطی و متغیرهای سیستمی ایجاد شده است. انرژی تولیدی در یک ریزشبکه از منابع تجدیدپذیر تأمین می‌گردد و چون این منابع تجدیدپذیر وابسته به شرایط محیطی بوده و مقدار تولید آنها کاملاً متغیر است، بنابراین تولید انرژی و تأمین نیاز مصرف‌کننده در یک ریزشبکه، شرایطی متغیر دارد؛ لذا لازم است تا با هر تغییری در شرایط محیطی سیستم، ساختار ریزشبکه متناسب با شرایط جدید بازآرایی شود. از طرفی، جهت حفظ استقلال ریزشبکه در حالت متصل به شبکه، توان تبادلی بین
شکل 2: ساختار سیستم چندعاملی پیشنهادی شبکه جهت کنترل و جبران‌سازی هارمونیکی به روش فیلتر پسیو SC-RC-LCL.
شکل 3: مدل یک مبدل بوست DC/DC.
ریزشبکه و شبکه نیز دارای اهمیت است زیرا افزایش این توان باعث آسیب به خطوط انتقال می‌شود.
سیستم کنترل چندعاملی پیشنهادی با در اختیار داشتن عوامل مختلف می‌تواند به طور هوشمندانه‌ای تغییرات محیطی و سیستمی را در ریزشبکه شناسایی نموده و با ارسال سیگنال مناسب به واحدهای مدیریت انرژی، تصمیمات صحیحی نسبت به شرایط بهره‌برداری ریزشبکه ارائه دهد؛ به طوری که اثرات ناپایداری منابع انرژی در ریزشبکه حداقل شود. برای سیستم چندعاملی پیشنهادی، یک واحد مرکزی مدیریت انرژی به همراه 6 زیرعامل در نظر گرفته شده که هر یک از این عامل‌ها به طور محلی، سیستم تحت نظارت خود را کنترل و پایش می‌نمایند. از طرفی این عامل‌های محلی به طور سلسله‌مراتبی با واحد مدیریت و تصمیم‌گیری که در سطح بالاتر قرار دارد در ارتباط بوده و مدیریت انرژی و هماهنگی بین بخش‌ها بر اساس سیگنال‌های دریافتی از عامل‌ها انجام می‌شود.
3- ساختار پیشنهادی و مدیریت انرژی
ریزشبکه پیشنهادی در این مقاله از نوع AC و متصل به شبکه است که متشکل از منابع تولید انرژی تجدیدپذیر شامل مولد خورشیدی، توربین بادی، پیل سوختی و بارهای خطی و غیرخطی می‌باشد. همان طور که در شکل‌های 1 و 2 مشاهده می‌شود، بار متصل به شبکه پیشنهادی ترکیبی از یک بار خطی متغیر و یک بار غیرخطی است که طیف هارمونیکی مختلفی را تولید می‌نماید. در این بخش به بیان عوامل مختلف ریزشبکه پرداخته می‌شود.
3-1 عامل جبران‌ساز فیلتر اکتیو موازی و مبدل‌ها
مبدل DC/DC وظیفه تنظیم توان مورد نیاز مصرف‌کننده با راندمان بالا را دارد. در شکل 3 مدل یک مبدل بوست DC/DC نشان داده شده که دینامیک این مدل با دو معادله غیرخطی در [20] آمده است.
شکل 4 مدل و ساختار کنترلی مبدل منبع ولتاژ DC/AC و فیلتر اکتیو موازی را که جهت جبران‌سازی هارمونیکی استفاده شده است، نشان می‌دهد [21]. فیلترهای قدرت اکتیو موازی با تزریق توان اکتیو با فرکانس ثابت اما با فاز معکوس باعث حذف هارمونیک‌ها در ریزشبکه‌ها می‌شوند. همان طور که در شکل 4 مشاهده می‌گردد، جهت تعیین جریان مرجع در حوزه DQ از یک 1DQF استفاده شده است [22]. همچنین ولتاژهای 
، 
و 
ولتاژهای AC سه‌فاز خروجی مبدل و 
، 
و 
جریان‌های سه‌فاز AC خروجی مبدل هستند. ولتاژهای باس AC سیستم به صورت 
، 
و 
نشان داده شده‌اند.
مدل دینامیکی این مبدل را می‌توان به صورت (1) نشان داد [22]
(1)
[1] . DQ Axis with Fourier
شکل 4: مدل و ساختار کنترلی مبدل منبع ولتاژ DC/AC و فیلتر اکتیو موازی.
شکل 5: ساختار فیلتر پسیو SC-RC-LCL در اتصال به شبکه.
که 
و 
و 
نیز به ترتیب مقاومت و اندوکتانس خط فیلتر اکتیو هستند. با استفاده از تبدیل پارک می‌توان نوشت
(2)
(3)
که 
سرعت زاویه‌ای سیستم AC، 
، 
، 
و 
به ترتیب ولتاژها و جریان‌های مربوط به محورهای 
و 
و همچنین 
و 
ولتاژهای باس AC سیستم هستند.
3-1-1 مزایای فیلترهای اکتیو موازی
از مزایای فیلتر اکتیو موازی می‌توان به موارد زیر اشاره کرد [23]:
- کاهش اثرات هارمونیک‌ها با مرتبه‌های مختلف
- تنظیم ولتاژ خازن لینک DC
- جبران‌ساز توان راکتیو
- کاهش نوسانات توان
- تنظیم‌کننده ولتاژ
جدول 1: مشخصات فیلتر پسیو SC-RC-LCL.
مشخصات | مقدار/ واحد |
اندوکتانس، | 5/64 میکروهانری |
اندوکتانس، | 5/64 میکروهانری |
اندوکتانس، | 3/129 میکروهانری |
خازن، | 5/68 میکروفاراد |
خازن، | 5/68 میکروفاراد |
مقاومت، | 97/0 اهم |
3-1-2 معایب فیلترهای اکتیو موازی
فیلتر اکتیو موازی دارای معایبی نیز می‌باشد که می‌توان به موارد زیر اشاره کرد [23]:
- عدم امکان جبران‌سازی در صورت وجود هارمونیک‌های جریان و ولتاژ به صورت هم‌زمان
- عدم استفاده برای بارهای کوچک در سیستم‌های قدرت
- گران‌تربودن نسبت به فیلترهای پسیو
3-2 عامل جبران‌ساز فیلتر پسیو SC-RC-LCL و مبدل‌ها
امروزه از انواع مختلف فیلترهای پسیو نیز به منظور جبران‌سازی هارمونیک‌ها در شبکه‌های قدرت استفاده می‌شود [24].
جبران‌سازی هارمونیکی در روش پسیو، انواع متفاوتی دارد که در این مقاله از آرایش SC-RC-LCL استفاده گردیده که از روش‌های پیشرفته پسیو می‌باشد [25]. این آرایش در شکل 5 نمایش داده شده و همچنین مقادیر پارامترهای آن نیز پس از محاسبات در جدول 1 آمده است. در این مقاله، علی‌رغم جبران‌سازی هارمونیک‌های جریان با روش فیلتر اکتیو موازی، به جبران‌سازی به روش پسیو در یک بازه مشخص پرداخته شده تا عملکرد دو روش مقایسه گردد.
شکل 6: تغییرات توان اکتیو و راکتیو بار خطی.
فیلترهای پسیو دارای مزایا و معایبی نیز می‌باشند که می‌توان به موارد زیر اشاره کرد [23]:
3-2-1 مزایای فیلترهای پسیو
- هزینه کمتر نسبت به فیلترهای اکتیو موازی
- سادگی
3-2-2 معایب فیلترهای پسیو
- سنگین و بزرگ‌بودن
- افزایش هارمونیک‌ها باعث اضافه بار می‌شود.
- افزایش توان راکتیو سیستم
- امکان ایجاد رزونانس با بار
- تغییر عملکرد فیلتر با تغییریافتن فرکانس و امپدانس منبع AC
3-3 عامل بار
مصرف‌کننده‌های غیرخطی و خطی متصل به ریزشبکه به عنوان عامل بار در نظر گرفته شده‌اند. این عامل بر مقدار توان مورد نیاز مصرف‌کننده و همچنین مقدار هارمونیک تولیدی توسط بار صنعتی نظارت دارد و مقدار توان اکتیو مورد نیاز این بار برابر با 
و مقدار توان راکتیو نیز 
در نظر گرفته شده که این تغییرات با توجه به مقادیر بار ریزشبکه‌های یک و سه از [26] انتخاب و طبق شکل 6 اعمال شده‌اند.
به منظور بررسی عملکرد ریزشبکه در جبران‌سازی هارمونیکی سیستم، بار صنعتی به صورت یک بار غیر خطی هارمونیکی در نظر گرفته
شده است که علاوه بر مؤلفه اصلی جریانی، مؤلفه‌های فرکانسی دیگر 
نیز تولید می‌نماید و مؤلفه‌های مرتبه پنج و هفت از دامنه مؤثری برخوردارند. در این حالت برای بار صنعتی مقادیر THD برابر با 34% است. برای محاسبه مقدار دامنه مؤلفه‌های هارمونیکی در این عامل به روش زیر عمل می‌شود.
پس از اندازه‌گیری جریان مصرفی بار 
در نقطه اتصال شبکه به مصرف‌کننده، مقادیر تبدیل فوریه زیر محاسبه می‌شود [27]
(4)
(5)
(6)
(7)
که 
و 
به ترتیب ولتاژ و جریان هر فاز
در نقطه اتصال شبکه به مصرف‌کننده است. در این صورت جریان مؤلفه حقیقی فرکانس پایه جریان در هر فاز را می‌توان به صورت رابطه زیر استخراج نمود
(8)
به طوری که زاویه 
برای فازهای 
، 
و 
به ترتیب صفر، 
و 
می‌باشد و مقادیر 
، 
، 
و 
از روابط زیر محاسبه می‌شوند
(9)
(10)
(11)
(12)
مقدار جریان هارمونیکی مرجع فیلتر هر فاز برابر است با
(13)
3-4 عامل شبکه
شبکه قدرت که ریزشبکه به آن متصل است، به عنوان یک عامل در نظر گرفته می‌شود که این عامل، مقدار توان اکتیو و راکتیو تبادلی بین شبکه و ریزشبکه را نظارت می‌نماید. از آنجا که یک ریزشبکه باید بتواند با حداقل وابستگی به شبکه قدرت، انرژی مصرف‌کننده را تأمین کند، بنابراین محدودیت زیر برای این عامل در نظر گرفته می‌شود
(14)
(15)
به طوری که 
و 
به ترتیب توان‌های اکتیو و راکتیو خط انتقال بین شبکه قدرت با ریزشبکه و 
تعداد خطوط ارتباطی بین ریزشبکه و شبکه قدرت است. همچنین مقادیر 
و 
به ترتیب حد آستانه توان اکتیو و راکتیو عبوری از شبکه قدرت به سمت ریزشبکه است.
3-5 عامل سیستم مدیریت انرژی
به دلیل وابستگی منابع انرژی تجدیدپذیر به شرایط محیطی، مقدار تولید انرژی آنها می‌تواند متناسب با شرایط آب و هوایی تغییر نماید. بنابراین شرایط بهره‌برداری در یک ریزشبکه متغیر بوده و به همین دلیل استفاده از روش‌های کنترل پیوسته نمی‌تواند پاسخگوی نیاز مدیریت انرژی در ریزشبکه باشد. در روش مدیریت انرژی چندعاملی پیشنهادی از هر دو روش کنترل پیوسته و گسسته بهره برده شده است.
بخش کنترل پیوسته مربوط به تمام کنترل‌کننده‌های محلی در هر عامل است که نظارت بر سیستم مربوط به خود را انجام می‌دهند. همان
شکل 7: کنترل‌کننده عامل مدیریت انرژی.
طور که در شکل‌های 1 و 2 مشاهده می‌شود، در ساختار سیستم کنترل چندعاملی پیشنهادی، وظیفه کنترل محلی در عامل‌های خورشیدی، بادی و پیل سوختی به طور پیوسته انجام می‌شود. از طرف دیگر، عامل مدیریت انرژی یک کنترل‌کننده، گسسته و مبتنی بر توپولوژی ماشین میلی است
و وظیفه تصمیم‌گیری در مورد شرایط و حالات مختلف بهره‌برداری از مولدهای ریزشبکه را دارد [28] و [29]. این کنترل‌کننده بیانگر شروط گذر از حالات مختلف سیستم می‌باشد و با دریافت اطلاعات مورد نیاز از عامل‌های دیگر و اعمال فرمان به کلیدهای 
و 
، متناسب با شرایط، اقدام به در مدار قراردادن پیل‌های سوختی 
و 
نموده و تعادل بین انرژی تولیدی و مصرف‌کننده را برقرار می‌نماید و از این طریق پایداری سیستم را علی‌رغم ناپایداری‌های محیطی و تغییرات بار خطی فراهم می‌کند.. این کنترل‌کننده از پنج حالت تشکیل گردیده و ساختار آن در شکل 7 آمده است. حالت‌های 
، 
، 
و 
وضعیت بسته یا بازبودن کلیدهای و را به صورت 
نشان می‌دهند. اگر مقدار توان ورودی از شبکه به ریزشبکه 
بیشتر از kW 5/0 باشد، سیستم کنترل در حالت قرار می‌گیرد که در این حالت وضعیت کلیدها به صورت 
است. زمانی که مقدار توان تبادلی از شبکه به ریزشبکه کاهش پیدا نماید و به مقدار 
برسد، سیستم کنترل گسسته به حالت منتقل می‌شود. در حالت وضعیت کلیدها به صورت 
می‌باشند. محدوده کاری حالت در بازه 
قرار دارد و در این حالت وضعیت کلیدها به صورت 
است. در نهایت وقتی مقدار 
کمتر از kW 5/0- شود، سیستم کنترلی به حالت رفته و وضعیت کلیدها به صورت 
قرار می‌گیرد. در ساختار کنترل گسسته، حالت 
به عنوان حالت انتظار (wait) است. از آنجا که در شبکه‌های قدرت، رسیدن به شرایط پایدار بعد از هر تغییر حالتی نیاز به گذشت مدت زمان مشخصی دارد بنابراین کنترل‌کننده بعد از اعمال هر تغییر در شرایط بهره‌برداری ریزشبکه باید برای مدت زمانی در حالت انتظار قرار گرفته و سپس اقدام به دریافت اطلاعات ورودی نماید. مقادیر انرژی تولیدی مولدهای خورشیدی، بادی و پیل‌های سوختی و همچنین مقدار توان مورد نیاز مصرف‌کننده‌ها و توان تبادلی ریزشبکه با شبکه قدرت به عنوان ورودی به این کنترل‌کننده هستند. این کنترل‌کننده با دریافت اطلاعات مورد نیاز از طرف سایر عامل‌ها با توجه به شرایط نسبت به وضعیت بهره‌برداری شبکه تصمیم می‌گیرد. در شکل 7 شرط گذر از یک حالت به حالت دیگر نشان داده شده است.
(الف) (ب)
شکل 8: (الف) تغییرات سرعت باد و (ب) تغییرات شدت تابش نور خورشید.
4- نتایج شبیه‌سازی
در اين بخش بر اساس مدل‌هاي ديناميکي و همچنین استراتژي‌هاي کنترلی که پیش از این شرح داده شده‌اند، سيستم ریزشبکه در محيط Matlab/Simulink شبيه‌سازي گردیده و جهت ارتباط بین الگوریتم و اجزای ریزشبکه از بلوک Matlab function استفاده شده است. سپس برای مشاهده جبران‌سازی هارمونیکی سيستم و کارايي سیستم کنترلی، اعمالي تحت تغييرات ناگهاني بار خطی، سرعت باد و تابش خورشید به سيستم اعمال شده است.
4-1 مشخصات فنی عامل‌ها
مشخصات فنی مربوط به توربین بادی [1]، پیل سوختی [30]، آرایه خورشیدی و مبدل DC/DC [31] در شبیه‌سازی استفاده شده‌اند.
4-2 نوسانات متغیرهای ورودی
نوسانات سرعت باد و شدت تابش خورشید به صورت شکل 8 اعمال شده‌اند. این تغییرات به گونه‌ای تنظیم گردیده‌اند که توان‌های خروجی مولدهای خورشیدی و بادی طبق [26] تولید شوند. در واقع با تغییرات انرژی تولیدی و بار مصرفی می‌توان رفتار سیستم کنترلی در مدیریت انرژی با شرایط مختلف را ارزیابی نمود.
ولتاژ نقطه PCC برابر با 400 ولت در نظر گرفته شده و نهایتاً مقدار حد آستانه توان اکتیو و راکتیو عبوری از شبکه قدرت به سمت ریزشبکه برابر 
در نظر گرفته می‌شود.
4-3 نتایج خروجی ساختار کنترلی پیشنهادی
سیستم مدیریت انرژی با توجه به کمبود یا مازاد توان تولیدی در ریزشبکه، در مورد فعال یا غیرفعال‌بودن پیل‌های سوختی 1 و 2 تصمیم می‌گیرد و در هر زمان بین آنها سوئیچ می‌کند و یا ممکن است از هر دو استفاده کند و یا گاهی از هیچ کدام استفاده نکند (مانند شکل 9) و بدین صورت باعث پایداری ریزشبکه می‌شود.
در شکل 10 توان تولیدی منابع تولید پراکنده انرژی هیبرید (شامل فتوولتائیک و توربین بادی) و توان تولیدی منابع جبران‌ساز (شامل دو پیل سوختی با سوئیچینگ فعال‌سازی شکل 9) نشان داده شده است.
مقدار توان اکتیو تبادلی بین ریزشبکه و شبکه در شکل 11 قابل مشاهده است. مطابق شکل در هر زمان که مقدار توان تولیدشده در ریزشبکه از مقدار مورد نیاز بار کمتر است، بنابراین کمبود انرژی از طریق شبکه متصل به ریزشبکه جبران می‌شود. با عملکرد صحیح سیستم مدیریت انرژی، مقدار توان انتقالی از شبکه به ریزشبکه کنترل شده است.
(الف)
(ب)
شکل 9: (الف) تغییرات سوئیچ 1 و (ب) تغییرات سوئیچ 2.
شکل 10: تغییرات توان اکتیو تولیدی توسط مولدهای خورشیدی، بادی و پیل‌های سوختی.
همچنین زمانی که مقدار توان تولیدی در داخل ریزشبکه بیشتر از حد مورد نیاز داخلی است، سیستم کنترل مدیریت انرژی، مقدار توان انتقالی از ریزشبکه به شبکه را به حداقل مقدار محدود نموده است. بنابراین همان طور که مشاهده می‌شود، سیستم مدیریت انرژی پیشنهادی به خوبی توانسته تا علاوه بر تأمین انرژی مورد نیاز بار متغیر مربوط به ریزشبکه، مقدار انرژی تبادلی بین ریزشبکه و شبکه را در بازه kW 5/0 تا kW 5/0- محدود نماید.
4-4 نتایج مقایسه فیلتر اکتیو موازی و فیلتر پسیو
SC-RC-LCL
شکل 12 جریان ریزشبکه را قبل و بعد از جبران‌سازی هارمونیکی به روش‌های اکتیو و پسیو SC-RC-LCL در بازه 
که بار مصرفی تقریباً ثابت است و امکان طراحی پارامتر المان‌های پسیو وجود دارد، نمایش می‌دهد. نتایج شبیه‌سازی و مقایسه روش‌ها نشان می‌دهند که عملکرد فیلتر اکتیو موازی نسبت به فیلتر پسیو بهتر و مناسب‌تر است و قادر به جبران‌سازی بیشتر هارمونیک‌ها می‌باشد. علت اصلی عملکرد بهتر فیلتر اکتیو موازی، تزریق توان با فرکانس ثابت اما با فاز معکوس است که باعث حذف هارمونیک‌ها در ریزشبکه‌ها می‌شوند.
از مؤلفه‌های مهم پردازش و آنالیز صحیح جبران‌سازی هارمونیک‌ها در ریزشبکه‌های قدرت، پارامتر تبدیل فوریه سریع 1(FFT) می‌باشد. در واقع
شکل 11: تغییرات مقدار توان اکتیو انتقالی از شبکه به ریزشبکه.
(الف)
(ب)
(ج)
شکل 12: (الف) جریان ریزشبکه قبل از جبران‌سازی هارمونیکی، (ب) جریان ریزشبکه بعد از جبران‌سازی به روش فیلتر اکتیو موازی و (ج) جریان ریزشبکه بعد از جبران‌سازی به روش پسیو SC-RC-LCL.
با استفاده از این الگوریتم ضمن استخراج مرتبه‌های مختلف فرکانسی می‌توان میزان هارمونیک‌های موجود در سیگنال مورد نظر را نمایش داد. پارامتر FFT جریان ریزشبکه در زمان‌های قبل از جبران‌سازی، بعد از جبران‌سازی به روش اکتیو و بعد از جبران‌سازی به روش پسیو SC-RC-LCL در شکل‌های 13 تا 15 نمایش داده شده‌اند. مطابق با سیگنال‌های به دست آمده، فیلتر اکتیو موازی توانسته تا هارمونیک‌های بیشتری را جبران‌سازی کند و نسبت به روش پسیو، عملکرد بهتری داشته باشد.
با عملکرد صحیح سیستم کنترل پیشنهادی، جبران‌سازی هارمونیکی از طریق کنترل مبدل DC/AC و به روش فیلتر اکتیو موازی انجام شده و بار غیرخطی متصل به شبکه دارای هارمونیک جریانی 34%
بوده که نهایتاً بعد مدت کمی از لحظه شروع و پایداری شبکه با جبران‌سازی هارمونیکی به کمتر از 2% کاهش پیدا کرده که در شکل 16 نشان داده شده است.
5- نتیجه‌گیری
در این مقاله، یک استراتژی مدیریت انرژی جدید جهت کنترل توان اکتیو و راکتیو داخلی یک ریزشبکه AC شامل چندین منبع تولید پراکنده
شکل 13: FFT جریان ریزشبکه قبل از جبران‌سازی هارمونیکی.
شکل 14: FFT جریان ریزشبکه بعد از جبران‌سازی به روش فیلتر اکتیو موازی.
از جمله فتوولتائیک، توربین بادی، پیل سوختی و بار خطی متغیر مبتنی بر کنترل غیرمتمرکز پیشنهاد گردیده است. در ساختار چندعاملی پیشنهادی از کنترل‌کننده‌های پیوسته و گسسته استفاده شده که ضمن کاهش پیچیدگی در طراحی کنترل‌کننده، موجب بهبود عملکرد کنترلی در مدیریت انرژی می‌شود. 6 عامل معرفی‌شده در سیستم چندعاملی بیانگر هر بخش از ریزشبکه هستند و همه اجزای ریزشبکه و عامل‌ها در محیط سیمولینک نرم‌افزار Matlab مدل شده‌اند. هر دو عامل خورشیدی و توربین بادی جهت جذب حداکثر توان به MPPT مجهز شده‌اند. عوامل شبکه و بار، پارامترهای اندازه‌گیری شده مربوط به مقدار بار و انرژی تبادلی بین ریزشبکه و شبکه را به واحد مدیریت انرژی ارسال می‌کنند. بر مبنای ساختار و اطلاعات دریافتی از دیگر عامل‌ها، واحد مدیریت انرژی، تصمیمات مناسبی را درباره مقدار توان تولیدی پیل‌های سوختی می‌گیرد. استفاده از پیل‌های سوختی، روش مناسبی جهت حفظ پایداری داخلی، کاهش وابستگی به شبکه قدرت و کاهش نوسانات تولید در ریزشبکه‌ها می‌باشد. همچنین ضمن بررسی مزایا و معایب فیلترهای اکتیو موازی
و فیلترهای پسیو، به ساختار چندعاملی با استفاده از این فیلترها در
شکل 15: FFT جریان ریزشبکه بعد از جبران‌سازی به روش پسیو SC-RC-LCL.
شکل 16: درصد اعوجاج هارمونیک‌های جبران‌شده در ریزشبکه.
ریزشبکه‌های قدرت پرداخته شد و مقایسه جبران‌سازی هارمونیک‌های جریان یک ریزشبکه توسط این فیلترها با معیار FFT بررسی گردید.
نتایج شبیه‌سازی نشان می‌دهند که استراتژی مدیریت انرژی پیشنهادی با استفاده از کنترل‌کننده‌های پیوسته محلی (در هر عامل) و کنترل‌کننده گسسته مرکزی (سیستم مدیریت انرژی) توانسته عملکرد مناسبی داشته باشد و باعث کاهش هزینه‌های انرژی و عدم وابستگی ریزشبکه به شبکه شود. همچنین فیلتر اکتیو موازی نیز با جبران‌سازی هارمونیکی بهتر و مناسب‌تر نسبت به فیلتر پسیو، به عنوان یک روش و راه حل مناسب، دارای عملکردی عالی است و ضمن تأمین توان مورد نیاز ریزشبکه، مسأله جبران‌سازی هارمونیک‌های جریان را به درستی انجام می‌دهد.
مراجع
[1] R. Engleitner, A. Nied, M. S. M. Cavalca, and J. P. Da costa, "Dynamic analysis of small wind turbines frequency support capability in a low power wind-diesel microgrid," IEEE Trans. on Industry Applications, vol. 54, no. 1, pp. 102-111, Jan.-Feb. 2018.
[2] B. Benlahbib, et al., "Experimental investigation of power management and control of PV/wind/fuel cell/battery hybrid energy system microgrid," International J. of Hydrogen Energy, vol. 45, no. 53, pp. 29110-29122, Oct. 2020.
[3] S. Vachirasricirikul and I. Ngamroo, "Robust controller design of microturbine and electrolyzer for frequency stabilization in a microgrid system with plug-in hybrid electric vehicles," International J. Electric Power Energy System, vol. 43, no. 1, pp. 804-811, Dec. 2012.
[4] I. Ngamroo, "Application of electrolyzer to alleviate power fluctuation in a stand-alone microgrid based on an optimal fuzzy PID control," International J. Electric Power Energy System, vol. 43,
no. 1, pp. 969-976, Dec. 2012.
[5] M. N. Ambia, A. Al-Durra, C. Caruana, and S. M. Muyeen, "Power management of hybrid microgrid system by a generic centralized supervisory control scheme," Sustainable Energy Technologies and Assessments, vol. 8, pp. 57-65, Dec. 2014.
[6] M. Elsied, A. Oukaour, H. Gualous, and R. Hassan, "Energy management and optimization in microgrid system based on green energy," Energy, vol. 84, pp. 139-151, May 2015.
[7] R. Wang, P. Wang, G. Xiao, and S. Gong, "Power demand and supply management in microgrids with uncertainties of renewable energies," International J. of Electrical Power & Energy Systems, vol. 63, pp. 260-269, Dec. 2014.
[8] T. Wang, D. O'Neill, and H. Kamath, "Dynamic control and optimization of distributed energy resources in a microgrid," IEEE Trans. on Smart Grid, vol. 6, no. 6, pp. 2884-2894, Nov. 2015.
[9] D. E. Olivares, C. A. Cañizares, and M. Kazerani, "A centralized optimal energy management system for microgrids," IEEE Power and Energy Society General Meeting, 6 pp., Detroit, MI, USA, 24-28 Jul. 2011.
[10] C. S. Karavas, G. Kyriakarakos, K. G. Arvanitis, and G. Papadakis, "A multi-agent decentralized energy management system based on distributed intelligence for the design and control of autonomous polygeneration microgrids," Energy Conversion Management, vol. 103, pp. 166-179, Oct. 2015.
[11] M. Elgamal, N. Korovkin, A. Elmitwally, and Z. Chen, "Robust multi-agent system for efficient online energy management and security enforcement in a grid-connected microgrid with hybrid resources," IET Generation, Transmission & Distribution, vol. 14, no. 9, pp. 1726-1737, May 2020.
[12] X. Xu, H. Jia, D. Wang, D. C. Yu, and H. D. Chiang, "Hierarchical energy management system for multi-source multi-product microgrids," Renewable Energy, vol. 78, pp. 621-630, Jun. 2015.
[13] J. P. Torreglosa, P. García, L. M. Fernández, and F. Jurado, "Hierarchical energy management system for stand-alone hybrid system based on generation costs and cascade control," Energy Conversion and Management, vol. 77, pp. 514-526, Jan 2014.
[14] M. Elsied, A. Oukaour, H. Gualous, R. Hassan, and A. Amin, "An advanced energy management of microgrid system based on genetic algorithm," in Proc. IEEE 23rd Int. Symp. on Industrial Electronics, ISIE'14, pp. 2541-2547, Istanbul, Turkey, 1-4 Jun. 2014.
[15] R. S. Sreeleksmi, A. Ashok, and M. G. Nair, "A fuzzy logic controller for energy management in a PV battery based microgrid system," in Proc. Int. Conf. on Technological Advancements in Power and Energy, TAP Energy'17, 6 pp., Kollan, India, 21-23 Dec. 2017.
[16] A. M. D. S. Alonso, D. I. Brandao, T. Caldognetto, F. P. Marafão, and P. Mattavelli, "A selective harmonic compensation and power control approach exploiting distributed electronic converters in microgrids," Electrical Power and Energy Systems, vol. 115, Article ID: 105452, Feb. 2020.
[17] P. Sreekumar and V. Khadkikar, "A new virtual harmonic impedance scheme for harmonic power sharing in an islanded microgrid," IEEE Trans. Power Delivery, vol. 31, no. 3, pp. 936-945, Jun. 2016.
[18] J. Zhou, S. Kim, H. Zhang, Q. Sun, and R. Han, "Consensus-based distributed control for accurate reactive, harmonic and imbalance power sharing in microgrids," IEEE Trans. Smart Grid, vol. 9, no. 4, pp. 2453-2467, Jul. 2017.
[19] M. S. Golsorkhi and D. D. C. Lu, "A decentralized control method for islanded microgrids under unbalanced conditions," IEEE Trans. Power Delivery, vol. 31, no. 3, pp. 1112-1121, Jun. 2016.
[20] V. Viswanatha and R. Venkata Siva Reddy, "A complete mathematical modeling, simulation and computational implementation of boost converter via MATLAB/Simulink," International J. of Pure and Applied Mathematics, vol. 114, no. 10, pp. 407-419, 2017.
[21] P. Dey and S. Mekhilef, "Current harmonics compensation with three-phase four-wire shunt hybrid active power filter based on modified D-Q theory," IET Power and Electronics, vol. 8, no. 11, pp. 2265-2280, Nov. 2015.
[22] P. Santiprapan, K. L. Areerak, and K. N. Areerak, "Mathematical model and control strategy on DQ frame for shunt active power filters," World Academy of Science, Engineering and Technology, vol. 5, no. 12, pp. 353-361, Sept. 2011.
[23] S. U. Bhople and S. K. Rayarao, "Reduction of harmonics using shunt active power filters," International J. of Engineering Research & Technology, vol. 4, no. 7, pp. 293-296, Jul. 2015.
[24] A. Akhavan, H. R. Mohammadi, and J. M. Guerrero, "A comprehensive control system for multi-parallel grid-connected inverters with LCL filter in weak grid condition," Electric Power Systems Research, pt. A, vol. 163, pp. 288-300, Oct. 2018.
[25] C. C. Gomes, A. F. Cupertino, and H. A. Pereira, "Damping techniques for grid-connected voltage source converters based on LCL filter: an overview," Renewable and Sustainable Energy Reviews, pt. I, vol. 81, pp. 116-135, Jan. 2018.
[26] T. Lu, Z. Wang, Q. Ai, and W. J. Lee, "Interactive model for energy management of clustered microgrids," IEEE Trans. on Industry Applications, vol. 53, no. 3, pp. 1739-1750, May-Jun. 2017.
[27] H. R. Imani, A. Mohamed, H. Shreef, and M. Eslami, "Multi-objective optimization based approaches for hybrid power filter design," in Proc. 21st Iranian Conf. on Electrical Engineering, ICEE'13, 5 pp., Mashhad, Iran, 14-16 May. 2013.
[28] C. G. Cassandras and S. Lafortune, Introduction to Discrete Event Systems, Springer Science and Business Media, LLC, 2008.
[29] J. Lunze and F. L. Lagarrigue, Handbook of Hybrid Systems Control: Theory, Tools, Applications, Cambridge University Press, 2009.
[30] M. Y. El-Sharkh, et al., "A dynamic model for a stand-alone PEM fuel cell power plant for residential applications," J. of Power Sources, vol. 138, no. 1-2, pp. 199-204, Nov. 2004.
[31] M. Mohammadi and M. Nafar, "Fuzzy sliding-mode based control (FSMC) approach of hybrid microgrid in power distribution systems," International J. of Electrical Power & Energy Systems, vol. 51, pp. 232-242, Oct. 2013.
محمدرضا صالحی راد تحصیلات خود را در مقطع کارشناسی رشته مهندسی برق- الکترونیک در سال 1395 با رتبه اول در رشته تحصیلی خود از دانشکده شهید چمران کرمان به پایان رسانده است. نام‌برده در حال حاضر در مقطع کارشناسی ارشد مهندسی برق- کنترل در دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان مشغول به تحصیل بوده و زمینه‌های مورد علاقه او شامل انرژی‌های تجدیدپذیر، سیستم‌های چندعاملی، کنترل هیبرید و کنترل غیرمتمرکز می‌باشد.
محمد ملائی امام‌زاده دانش‌نامه کارشناسی مهندسی برق- الکترونیک خود را در سال 1383 از دانشگاه شهید باهنر کرمان دریافت نمود. وی سپس تحصیلات کارشناسی ارشد و دکترای مهندسی برق- کنترل خود را به ترتیب در سال‌های 1385 و 1396 در دانشگاه صنعتی شریف به پایان رساند. نام‌برده از سال 1397 به عنوان عضو هیئت علمی دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان مشغول به کار بوده و زمینه‌های پژوهشی مورد علاقه او شامل کنترل بهینه، سیستم‌های هوشمند، هوش مصنوعی، سیستم‌های چندعاملی و سلسله‌مراتبی می‌باشد.
[1] . Fast Fourier Transform
