Percurso ideal de baixa tensão do gerador de indução de turbina eólica duplamente alimentado com base no algoritmo de otimização bonobo
LarLar > blog > Percurso ideal de baixa tensão do gerador de indução de turbina eólica duplamente alimentado com base no algoritmo de otimização bonobo

Percurso ideal de baixa tensão do gerador de indução de turbina eólica duplamente alimentado com base no algoritmo de otimização bonobo

Apr 27, 2023

Scientific Reports volume 13, Número do artigo: 7778 (2023) Citar este artigo

460 Acessos

Detalhes das métricas

O sistema de conversão de energia eólica em larga escala (WECS) baseado em um gerador de indução duplamente alimentado (DFIG) ganhou popularidade nos últimos anos por causa de seus vários méritos econômicos e técnicos. A rápida integração do WECS com as redes de energia existentes causou influência negativa na estabilidade e confiabilidade dos sistemas de energia. As quedas de tensão da rede produzem uma alta sobrecorrente no circuito do rotor DFIG. Esses desafios enfatizam a necessidade da capacidade de passagem de baixa tensão (LVRT) de um DFIG para garantir a estabilidade da rede elétrica durante quedas de tensão. Para lidar com essas questões simultaneamente, este trabalho tem como objetivo obter os valores ótimos de tensão de fase do rotor injetada para DFIG e ângulos de inclinação da turbina eólica para todas as velocidades de vento de operação, a fim de atingir a capacidade LVRT. O otimizador Bonobo (BO) é um novo algoritmo de otimização que é aplicado para cortar os valores ótimos da tensão de fase do rotor injetada para DFIG e ângulos de inclinação da turbina eólica. Esses valores ideais fornecem a potência mecânica DFIG máxima possível para garantir que as correntes do rotor e do estator não excedam os valores nominais e também fornecem a potência reativa máxima para suportar a tensão da rede durante faltas. A curva de potência ideal de uma turbina eólica de 2,4 MW foi estimada para obter a potência eólica máxima permitida para todas as velocidades de vento. Para validar a precisão dos resultados, os resultados do BO são comparados com dois outros algoritmos de otimização: otimizador de enxame de partículas e otimizador de treinamento de condução. O sistema de inferência neurofuzzy adaptativo é empregado como um controlador adaptativo para a previsão dos valores da tensão do rotor e do ângulo de passo da turbina eólica para qualquer queda de tensão do estator e qualquer velocidade do vento.

Atualmente, a energia eólica é considerada um dos recursos renováveis ​​com maior taxa de crescimento e a energia renovável mais atraente em todo o mundo devido à sua alta densidade de potência e grande disponibilidade1,2,3. A energia eólica contribuiu com 3,5% da demanda internacional de eletricidade em 2011, e espera-se que esse percentual aumente para 16% em 20304. No entanto, a integração de WECS na rede ainda é um grande desafio devido a problemas de qualidade de energia, a intermitência natureza do vento, ressonância, comutação de capacitores, etc. Entre os problemas de qualidade de energia, a queda inesperada na tensão terminal do gerador eólico devido a uma falha no lado da rede pode causar o desligamento repentino das turbinas eólicas da rede5,6. A estabilidade da rede pode ser prejudicada por geradores eólicos que disparam e se reconectam com frequência. Muitos países desenvolveram novos códigos de rede para WECS conectados à rede, a fim de reduzir o desligamento dos geradores eólicos da rede e manter a rede estável em caso de falhas ou anormalidades na tensão da rede7,8,9,10.

DFIGs são a opção mais eficiente para WECSs devido a seus benefícios significativos em relação a outros tipos de geradores eólicos11. Os benefícios do DFIG incluem capacidade controlável para potência ativa e reativa, tamanho pequeno, necessidade de conversores com classificação inferior, o que resulta em menores perdas de energia e custo do conversor, ruído acústico e redução do estresse mecânico, geração de velocidade variável e aprimoramento da qualidade de energia12, 13,14. Por outro lado, a maior desvantagem de usar um DFIG no WECS é sua sensibilidade a distúrbios da rede, principalmente quedas de tensão, porque os terminais do estator do DFIG estão diretamente ligados à rede. As quedas na tensão da rede produzem uma grande sobrecorrente no circuito do rotor DFIG. Com isso, leva ao acionamento dos circuitos de proteção e o DFIG é desconectado da rede para proteção do conversor do lado do rotor15,16,17.

A capacidade LVRT é o requisito de código de grade mais prevalente. É a capacidade de permanecer conectado à rede durante quedas de tensão e também fornecer potência reativa para suportar a tensão da rede em caso de falhas6,18,19. Quedas de tensão são distúrbios muito críticos para DFIG. Esses afundamentos levam a um aumento das correntes do estator e do rotor, portanto a potência que pode ser injetada no DFIG deve ser reduzida20,21,22. De acordo com várias pesquisas da literatura, o método de controle de pitch, os métodos de hardware e o método de controle do conversor DFIG modificado são a melhoria das estratégias de LVRT12,23,24. Para o método de controle de inclinação da melhoria do LVRT, a potência da turbina eólica pode ser reduzida ajustando o ângulo de inclinação das pás do rotor. No entanto, devido à dinâmica mecânica lenta, essa técnica apresenta baixo desempenho25. A proteção do Crowbar e o sistema de armazenamento de energia são duas categorias principais de métodos de hardware para melhoria do LVRT26,27,28,29. A ideia básica do método crowbar é ativar um banco de resistores no circuito do rotor DFIG em caso de falhas, o que resulta em consumo extra de energia e limita as correntes DFIG. Este método tem vários problemas evidentes, incluindo alto estresse no trem de força causado por flutuações de torque eletromagnético, perda de controlabilidade e prevenção da recuperação da tensão da rede devido à absorção de energia reativa. Enquanto o outro tipo de métodos de hardware para melhorar o LVRT está empregando um tipo de sistema de armazenamento de energia como sistema de armazenamento de energia de bateria, sistema de armazenamento de energia do volante, capacitor elétrico de camada dupla e armazenamento de energia magnética supercondutora5,21,23,30,31,32 . Mas, a principal desvantagem deste método não é uma solução econômica. Devido às desvantagens do controle de pitch e dos métodos de hardware, a capacidade do LVRT pode ser melhorada pela modificação do controle do conversor DFIG, o que representa a alteração dos valores de controle de referência no controle do conversor DFIG24. O método modificado de controle do conversor DFIG é a técnica mais econômica para melhoria do LVRT devido às suas vantagens como facilidade de implementação, menor custo, fácil retorno à operação normal e DFIG está sempre sob controle30,33,34,35.