Table of Contents
מערכות בקרה הסתגלותיות חיוניות לקידוד מערכות חשמל מודרניות, הבטחת יציבות, יעילות וחוסנות.כפי שרשתות כוח הופכות מורכבות יותר עם שילוב מקורות אנרגיה מתחדשים, שיטות בקרה מסורתיות לעתים קרובות נופלות קצרות.שליטה הסתגלותית מציעה גישה דינמי שיכול להגיב לשינויים בתנאים בזמן אמת. בעוד בקרים הנדסיים סטנדרטיים פועלים היטב בתנאים צפויים, תפעוליים ליניאריים, הרשת המודרנית היא כל דבר צפוי של בדיקות בסיסיות של כוח, אשר מקודמות, ומניעה, מערכת ניהולית, מערכת ניהולית, המבוססת, המבוססת, מערכת ניהולית, מערכת ניהולית, יעילה, המבוססת, מערכת ניהולית, המבוססת, המבוססת, מערכת ניהולית, מערכת ניהולית, המבוססת, המבוססת על בסיס קבוע, המבוססת על ניהולית, יעילה, מערכת ניהולית, יעילה, מערכת ניהולית, יעילה, מערכת ניהולית, מערכת ניהולית, יעילה, מערכת ניהולית, מערכת ניהולית, יעילה, יעילה, יעילה, המבוססת על בסיס קבוע, המבוססת על ידי ניהולית, מערכת ניהולית, מבוססת על בסיס קבוע של ניהולית, מערכת ניהולית, מערכת ניהולית, מערכת ניהולית, מערכת ניהולית, מערכת ניהולית, מערכת ניהולית, יעילה, מערכת ניהולית, מערכת ניהולית, מערכת ניהולית, יעילה
הצורך בשליטה הסתגלות במערכות הכוח המודרניות
רשת החשמל המסורתית נבנתה סביב גנרטורים סינכרוניים גדולים, מרכזיים המספקים אספקה יציבה וצפונית יחסית.טעים היו גם צפויים יותר, לאחר דפוסים יומיים ועונהיים ידועים, בתנאים אלה, טכניקות בקרה ליניאריות - טכניקות בקרה לינאריות-התדרטרליות-אי-אינטגרלית (PID) הגיעו למעבדות אנרגיה מתחדשת, ותפקודי רגולציה לינאריים – עם זאת, על ידי מערכת חיסון-V המודרנית, אשר קיבלה שינוי (RVal-HD) בעלת מורכבות גבוהה ועוצמתית (RIFDV) ועוצמתית) ומערכת , אשר למערכות מורכבות, אשר למערכות מורכבות, אך ורק גבוהה.
יתר על כן, DERs כמו אחסון סוללות, מיקרו-צמחים, ועומסי אחריות דורשים ליצור זרמי כוח דו-כיוניים ו transients מהירים. אלה לא ליניארי, דינמיקות זמן הופכות לקרי סטטיים לא מספיק.מערכת בקרה הסתגלותית, לעומת זאת, מעדכנת את הפרמטרים או המבנה שלה בהתבסס על אותות נמדדים כדי לשמור על ביצועים אופטימליים, ללא יכולת הסתגלות, מערכי איכות, ותדירות גבוהה של מתח, וסיכון, אך לא עולה סיכון, אלא מאמת גבוהה של תקלות רשת, אלא מגבירה.
יסודות מערכות בקרה הסתגלות
עקרונות הליבה
מערכת בקרה הסתגלותית מפקחת על הצמח (המרכיב של מערכת החשמל, כגון גנרטור, STATCOM, או ממיר) ומאמתה את הפרמטרים של הבקר בתגובה לשינויים בדינמיקה של הצמח.חוק הבקרה עצמו יכול להיות ליניארי או לא ליניארי, אבל מנגנון ההתאמה הוא מה שממבדיל אותו מבקר קבוע.ה המפתח הוא כי הסתגלות היא אוטומטית ומתרחשת בזמן אמת, ללא התערבות ידנית.
אדריכלות גדולה
שתי ארכיטקטורות בקרה מותאמות קלאסית רלוונטיות ביותר עבור מערכות חשמל:
- (FLT:0)Model Reference Fitive Control (MRAC): ההרחבה 1 (MRAC) משתמשת במודל ההתייחסות המפרט את התגובה הסגורה הרצויה.פרמטרי הבקר מותאמים למזער את השגיאה בין התפוקה בפועל לבין הפלט מודל ההתייחסות. MRAC מתאים היטב ליישומים שבהם קיימת תגובה אידיאלית ידועה, כגון שליטה על טורבינות או תקנה בנרטורים סינכרונאליים.
- (FLT:0) ,Tuning Regulator (STRIR): 1 InStr, הפרמטרים של בקר מעודכנים על בסיס הערכה מקוונת של מודל הצמח. A מערכת זיהוי מודול כל הזמן מעריך את הפרמטרים הצמח, ומודול עיצוב מחשב מחדש את הרווחים של הבקר (למשל, באמצעות מיקום או LQR).
התקדמות נוספת משלבת את אלה עם למידת מכונה, אשר נדון בהמשך.בכל המקרים, מערכת הסתגלות כוללת ארבעה מרכיבים חיוניים:
- (ב) ,0) , ⁇ (ב) ,במתח, הנוכחי, התדר, זווית החשמל, וסימנים אחרים בשיעורי דגימה גבוהה.
- (ב) ,0)Controller:FLT:1 מוציא את חוק הבקרה.פרמטרי הבקר מעודכנים על ידי מנגנון ההסתגלות.
- (FLT:0) Actuators: FLT:1 מכשירים פיזיים (thyristors, IGBTs, מעבדי הזנק משתנים, פורצים) אשר ליישם את תפוקת הבקרה.
- (FLT:0) ,Adaptation Algorithm:cioFLT:1) The "מוח" אשר מעבד נתונים של חיישן, מעריך את מצב המערכת או הפרמטרים, ומצמיד הגדרות בקר חדשות.
אלגוריתם ההסתגלות הוא החלק המאתגר ביותר בתכנון, כי הוא חייב להבטיח יציבות והתכנסות תוך הפעלת תחת מגבלות חישוביות.
אתגרים עיצוב מפתח ופתרונות
מערכת יחסים לא ליניאריות וגילויים
מערכות כוח הן לא לינאריות.הטבעה בהתמרנים, היסטריה בממסרים, וההתנהגות הלא ליניארית של מתגי מוליכים למחצה כוח הם רק כמה דוגמאות.יתר על כן, דור מתחדשים והתנהגות עומס מציגים אי ודאות סטוצ'יסטית.
פתרון אחד הוא להשתמש בשליטה אדפטיבית חזקה, שבו חוק ההסתגלות נועד להיות רגיש לאי-ודאות כבולה.גישה נוספת היא לשלב מודל לא-לינארי – למשל, רשת עצבית או מודל המבוסס על מערכת הכוח הבין-תרבותית-אלגנטית-תרבותית-שלמה-וישת-החוק הסתגלות מבוסס-לינקוב-בסיסי כדי להבטיח יציבות.
הבטחת יציבות במהלך הסתגלות
אחד הסיכונים הגדולים ביותר בשליטה אדפטיבית הוא "סחף דמטר" - שבו הבקר ממשיך להסתגל גם כאשר השגיאה היא קטנה, בסופו של דבר מניע כמה פרמטרים לערכים גדולים מאוד.זה יכול לקרות בשל אי-ספיקהההה (אות המספק מספיק מידע עבור estimation פרמטרים) במערכות כוח, זה קריטי כי הרשת פועלת לעתים קרובות במצב יציב עם ציטוט נמוך.
כדי להקל על זה, מתרגלים משתמשים ב- ⁇ -modification או e-modification בחוק ההסתגלות.אלה מוסיפים מונח לחות המונע את הפרמטרים להתרחק אל אינסוף.טכניקה נוספת היא לכלול אזור מת: אם טעות המעקב היא מתחת לסף, הסתגלות מושעה זמנית גם, מפעילי מערכת יכולים לקבוע אותות טורחים תקופתיים (למשל, שינויים קטנים) כדי להבטיח ללא הפרעה מתמשכת.
ניהול מורכבות עבור המבצע בזמן אמת
אלגוריתמים של בקרה הסתגלות דורשים לעתים קרובות לפתור בעיות אופטימיזציה או ביצוע זיהוי מערכת מקוונת בתוך מילימטרים.לדוגמה, הרגולטור עצמי עבור ממיר אלקטרוני כוח חייב להעריך פרמטרים ו חישוב רווחים כל מחזור בקרה (בדרך כלל 50-100 מיקרומטרים).זה יכול להציף בקרים מוטבעים נמוכים.
פתרונות כוללים שימוש חוזר של פחות ריבועים (RLS) עם גורמים נשכחים במקום estimation אצילה, ושימוש האצה חומרה (FPGAs) עבור החלקים הכבדים חישוביים גם, טכניקות הפחתת מודל - כגון שמירה רק על המצבים הדומיננטיים של המערכת - יכול להפחית את המורכבות.המגמה לעבר קצה במשתתות, עם מעבדים חזקים הפועלים בזמן אמת לינוקס, יש יותר אלגוריתמים להסתגל לאלגוריתמים בתחום.
חדור עם תשתית קיימת
רוב הכלים פועלים מערכות הגנה ובקרת מורשת שלא נועדו ללוגיקה הסתגלותית.ההתאוששות דורשת תיאום זהיר עם SCADA, EMS, ובקרים מקומיים. גישה מעשית אחת היא ליישם שליטה הסתגלותית כשכבה פיקוחית אשר מעלת את נקודות העמדות של בקרים הקיימים PID המבוססים על המערכת.לדוגמה, הרגולטור המתח הסתגלותי יכול להתאים את הפניה האוטומטית המתבססת על המתח הדומה של אוטובוס שנראה כמקבילה.
אתגר נוסף לשילוב מפתח הוא אבטחת סייבר. התאמות שמקבלות נתונים חיצוניים ולשנות את התנהגותם פגיעים להתקפות סייבר שצצו את קוראי החיישן או הזרקת אותות הסתגלות כוזבים.לכן, כל פריסת בקרה הסתגלות חייבת לכלול אימות חזק, הצפנה וגילוי אנומלי – שנבנה באופן עצמאי לתוך קושחה של הבקר.
שילוב למידת מכונות בשליטה הסתגלות
ההתפתחויות האחרונות המרגשות ביותר נמצאות בצומת של שליטה הסתגלות ולמידה מכונה (ML) שיטות הסתגלות מסורתיות מניחות מבנה מודל ידוע (למשל, ליניארי עם פרמטרים לא ידועים), אבל ML מאפשר הסתגלות ללא מודל או אפילו שליטה טהורה של נתונים.
בקרת הסתגלות מבוססת רשת
רשתות נידור יכולות לפעול כמכשירים אוניברסליים של פונקציות לא ליניאריות.רשת עצבית יכולה לשמש כדי מודל הדינמיקה הלא ידועה של מערכת חשמל ישירות.לדוגמה, רשת בסיס קורנל (RBF) יכולה ללמוד את הדינמיקה המעוותת של inverse של inverter המחובר לרשת, המאפשרת לבקר לתפוק את אותות המודולציה המדויקים הדרושים כדי לעקוב אחר התייחסות נוכחית.
חוקרים ב-FLT:0) חלוקת תוכנית השמש של אנרגיה לאנרגיה: 1 פיתחה בקר אדפטי רשת עצבי לצמחים PV בקנה מידה גדול, אשר הפחיתו סטיית מתחים ב- 60% בהשוואה לבקר רגיל ב- PI במהלך מעברי ענן מהירים.
ניהול מחדש של מערכת בקרת כוח
למידה מחדש (RL) מבטיחה במיוחד לבעיות שבהן מדיניות הבקרה האופטימלית אינה ידועה מראש ויש לגלות באמצעות ניסוי וטעייה. בהקשר של שליטה הסתגלותית, סוכני RL יכולים ללמוד מדיניות שמפותה מערכת קובע לשלוט בפעולות תוך התאמה גם כשינויי הסביבה.
יישום בולט הוא שליטה הדור האוטומטי (AGC) ברשתות מרובות-area. המסורתית AGC משתמשת בשליטה אינטגרלית, אשר יכול להיות איטי ועשוי לגרום תנודות כאשר המערכת אינרציה יורדת עקב עקירה מתחדשת. RL-based AGC סוכנים, לעתים קרובות באמצעות Q-networks עמוק (DQN) או אופטימיזציה של מערכת פרוטהמית (PPO), הוכחו כדי לשנות את הרשת העליון ולהגיע ל -15% יותר מ קריטריונים ל- 24% ל- 24% פחות מ- 2.
למידה עמוקה להתאמה חיזוי
בקרים אדפטיים רבים מגיבים לשגיאות הנוכחיות.גישה פרואקטיבית יותר משתמשת בלמידה עמוקה כדי לחזות מצבים עתידיים ולשלב פעולות אופטימליות לפני שהפרעות מתפתחות לחלוטין.לדוגמה, רשת זיכרון לטווח קצר ארוך (LSTM) יכולה לחזות אי-הוריות סולרית ומהירות רוח 5-30 דקות קדימה.החיזוי זה יכול להיות מוזן לתוך בקר חיזוי מודל (MPC) שמתאים את ההתייחסות שלו בהתאם למערכות חיזוי כאלה הם מיקרואקטיביות עבור microgrive כדי להיות נבדקים מחדש של אי.
יישומים אמיתיים ומקריות
בקרה מיקרוגרידית
מיקרוגרואידים מדגימים את הצורך בשליטה הסתגלותית מכיוון שהם פועלים בשני מצבי רשת המחוברים ואיים. Droop Control, המשמש בדרך כלל לצורך הפעלת מקבילה, הוא סטטי ולעתים קרובות מוביל לתנודות מתח ותדירות תחת שינויים עומס. An Adaptive droop control, אשר מאמת את קידוד droop מבוסס על SoC של סוללות ודור השמש זמין, יכול לשמור על מתח חזק יותר, לדוגמה, בבקר עצמי.
Wind Farm Voltage
חוות רוח נדרשות על ידי קודים ברשת כדי לספק תמיכה במתח, אבל יכולת הכוח השבירה של טורבינות מבוססות Dffer משתנה עם מהירות רוח.בקר הסתגלותי יכול להעריך את הגבלת הכוח תגובתי של המכונה באינטרנט ולהקצות הפניות תגובתיות בין טורבינות כדי לענות על יעד המתח בשלב של חיבור תוך צמצום ההפסדים. פרויקט טייס בטקסס הראה מערכת כזו, שבה הבקר הפחתת הפחתת הפחתת הפחתת הפחתת ה-Clocker ב- 50%.
HVDC ו-FACTS מכשירים
קישורים ישירים (HVDC) ומערכות שידור AC גמישות (FACTS) כמו STATCOMs ו- SSSCs להסתמך על מתגים חשמליים מהירים כוח.הדינמיקה של מעבר יכול להשתנות עקב ההזדקנות, הטמפרטורה והפרעות רשת.בקר הסתגלות עבור ממיר מודול מודול (MMC) בשימוש ב HVDC יכול לפצות על חוסר איזון תת-ממדי של חומרים ומתחים.
מגמות עתידיות: Cybersecurity, Scalability, ו- Edge מחשוב
ככל שמערכות בקרה הסתגלות הופכות ליותר ויותר מתפשטות, מספר מגמות יעצבו את עתידן.
אבטחת סייבר באמצעות עיצוב
מאחר שבקרים אדפטיים משנים את התנהגותם בהתבסס על קלטות חיצוניות, הם מציגים משטחים חדשים של התקפה. An ⁇ יכול לתפעל נתוני חיישן כדי לגרום לבקר לאמץ רווחים גבוהים או נקודות שגויות מסוכנות.אדריכלות של שליטה הסתגלות עתידית הטמיעו עמידות סייבר באמצעות טכניקות כגון העברת הגנה על מטרה (הפחתת הפרמטרים שליטה בתוך גבולות בטוחים) ומודלים המבוססים על זיהוי פקודות חוצה נגד תאום דיגיטלי.
סקאלה מול שליטה הסתגלותית
עבור רשתות בקנה מידה גדול, בקר הסתגלות יחיד אינו מספיק.מערכות מרובות-מgent שבו כל סוכן שולט בחלק מהרשת (למשל, צי של מופנים) ותיאום עם שכנים באמצעות אלגוריתמים קונצנזוס מתעוררים. סוכנים אלה יכולים להשתמש בלמידה משולבת הסתגלות כדי לתכנס על מערכת אופטימלית של בקרה ללא הפרה של מגבלות מקומיות.
צוק והתאמה בזמן אמת
דרישות השקיפות של שליטה אדפטיבית (לעתים קרובות פחות מכמה שניות) לדחוף חישוב קרוב לחיישנים ומבצעים. Edge יחידות מחשוב ממוקמות בתת-התת או אפילו בתוך מפגעים חכמים יפעילו אלגוריתמים של שליטה קלים הסתגלות. אלה נודים קצה אלה יתקשרו עם ענן מרכזי ללמידה לטווח ארוך ותיאום, אבל ההסתגלות המהירה תישאר מקומית.
מסקנה
הפיתוח של מערכות בקרה אדפטיות הוא חיוני לאבולוציה של רשתות חשמל יעילות ואמינה.כ טכנולוגיות מתקדמות, מערכות אלה יהפכו ליותר מתוחכמות, תמיכה באינטגרציה של אנרגיה מתחדשת וטכנולוגיות רשת חכמות לעתיד אנרגיה בר קיימא.המעבר מ סטטי כדי להתאים את השליטה אינו רק שיפור מצטבר; הוא מייצג שינוי יסודי כיצד מערכות כוח מופעלות.