Lastfrequenzregelungsstrategie für Mikrogridsysteme unter Verwendung eines rechnerisch optimierten PID-Reglers

Dieses Papier präsentiert eine Strategie zur Lastfrequenzregelung (LFC) für Mikrogridsysteme (MG), die eine Strategie auf der Grundlage eines optimierten PID-Reglers unter Verwendung von Techniken der rechnerischen Intelligenz (CI) vorschlägt. Das MG-System, das ausschließlich auf erneuerbaren Energiequellen (RES) basiert, wird in SIMULINK modelliert. Eine neuartige multikriterielle Funktion, die den gewichteten integralen Quadratfehler (WISE) und den gewichteten integralen absoluten Quadratfehler (WIASE) (WISE+WIASE) umfasst, wird vorgeschlagen, um die Systemleistung zu verbessern. Mit Hilfe der Partikelschwarmoptimierung (PSO) und der beschleunigten Partikelschwarmoptimierung (APSO) werden die Parameter des proportionalen, integralen und differenziellen Reglers abgestimmt. Simulationsergebnisse zeigten die Überlegenheit des PSO-PID mit dem geringsten stationären Fehler von 4,1560e-07 und einem Überschuss von 0,0611 im Vergleich zum APSO-PID mit einem stationären Fehlerwert von 4,8144e-07 und einem Überschuss von 0,1334. Der PSO-PID übertraf auch den APSO-PID in anderen Indizes (ITAE, IAE, ITSE und ISE) und stellte somit die Überlegenheit des PSO-PID gegenüber dem APSO-PID in Bezug auf stationären Fehler und Überschuss unter Beweis. Die Regler erwiesen sich als robust unter verschiedenen Bedingungen, wobei der PSO-PID-Regler mehr Robustheit und Stabilität als der APSO-PID-Regler aufwies. Im Vergleich der PSO- und APSO-Algorithmen schnitt der PSO in Bezug auf Robustheit besser ab, da der PSO-Algorithmus bei fünf Durchläufen in beiden Algorithmen qualitativ hochwertigere und konsistentere Ergebnisse erzielte und auch eine bessere Konvergenz als der APSO-Algorithmus zeigte. Umgekehrt übertrifft der APSO den PSO in Bezug auf die schnelle Rechenzeit und Konvergenzgeschwindigkeit. Diese Ergebnisse unterstreichen die Effektivität der vorgeschlagenen LFC-Strategie für RES-basierte Mikrorausysteme und bieten wertvolle Einblicke in die vergleichende Leistung der PSO- und APSO-Algorithmen.