Improvement of voltage stability for grid connected solar photovoltaic systems using static synchronous compensator with recurrent neural network

Ескіз

Дата

2022

DOI

doi.org/10.20998/2074-272X.2022.2.10

item.page.thesis.degree.name

item.page.thesis.degree.level

item.page.thesis.degree.discipline

item.page.thesis.degree.department

item.page.thesis.degree.grantor

item.page.thesis.degree.advisor

item.page.thesis.degree.committeeMember

Назва журналу

Номер ISSN

Назва тому

Видавець

Національний технічний університет "Харківський політехнічний інститут"

Анотація

This article proposes a new control strategy for static synchronous compensator in utility grid system. The proposed photovoltaic fed static synchronous compensator is utilized along with recurrent neural network based reference voltage generation is presented in grid system network. The novelty of the proposed work consists in presenting a Landsman converter enhanced photovoltaic fed static synchronous compensator with recurrent neural network algorithm, to generate voltage and maintain the voltage-gain ratio. Methods. The proposed algorithm which provides sophisticated and cost-effective solution for utilization of adaptive neuro-fuzzy inference system as maximum power point tracking assures controlled output and supports the extraction of complete power from the photovoltaic panel. Grid is interconnected with solar power, voltage phase angle mismatch, harmonic and voltage instability may occur in the distribution grid. The proposed control technique strategy is validated using MATLAB/Simulink software and hardware model to analysis the working performances. Results. The results obtained show that the power quality issue, the proposed system to overcome through elimination of harmonics, reference current generation is necessary, which is accomplished by recurrent neural network. By recurrent neural network, the reference signal is generated more accurately and accordingly the pulses are generated for controlling the inverter. Originality. Compensation of power quality issues, grid stability and harmonic reduction in distribution network by using photovoltaic fed static synchronous compensator is utilized along with recurrent neural network controller. Practical value. The work concerns the comparative study and the application of static synchronous compensator with recurrent neural network controller to achieve a good performance control system of the distribution network system. This article presents a comparative study between the conventional static synchronous compensator, static synchronous compensator with recurrent neural network and hardware implementation with different load. The strategy based on the use of a static synchronous compensator with recurrent neural network algorithm for the control of the continuous voltage stability and harmonic for the distribution network-linear as well as non-linear loads in efficient manner. The study is validated by the simulation results based on MATLAB/Simulink software and hardware model.
У статті пропонується нова стратегія управління статичним синхронним компенсатором в енергосистемі. Запропонований статичний синхронний компенсатор з живленням від фотоелектричних елементів використовується разом з генератором опорної напруги на основі нейронної рекурентної мережі, представленим в мережі енергосистеми. Новизна запропонованої роботи полягає у поданні статичного синхронного компенсатора з покращеним фотоелектричним перетворювачем Ландсмана з алгоритмом рекурентної нейронної мережі для генерації напруги та підтримки коефіцієнта посилення за напругою. Методи. Запропонований алгоритм, який забезпечує ефективне та економічне рішення для використання адаптивної нейро-нечіткої системи логічного виведення як відстеження точки максимальної потужності, забезпечує контрольований вихід та підтримує вилучення повної потужності з фотогальванічної панелі. Мережа взаємопов’язана із сонячною енергією, у розподільній мережі можуть виникати невідповідність фазового кута напруги, гармоніки та нестабільність напруги. Запропонована стратегія методу управління перевіряється з використанням моделей програмного забезпечення MATLAB/Simulink та апаратного забезпечення для аналізу робочих характеристик. Результати. Отримані результати показують, що проблема якості електроенергії, яку запропонована система долає за допомогою усунення гармонік, потребує генерації еталонного струму, що здійснюється рекурентною нейронної мережею. За допомогою рекурентної нейронної мережі більш точно формується еталонний сигнал і відповідно генеруються імпульси для керування інвертором. Оригінальність. Компенсація проблем з якістю електроенергії, стабільністю мережі та зниженням гармонік у розподільній мережі за допомогою статичного синхронного компенсатора з фотоелектричним живленням використовується разом із контролером рекурентної нейронної мережі. Практична цінність. Робота стосується порівняльного дослідження та застосування статичного синхронного компенсатора з рекурентним нейромережевим контролером для досягнення хорошої продуктивності системи управління системою розподільної мережі. У цій статті представлено порівняльне дослідження традиційного статичного синхронного компенсатора, статичного синхронного компенсатора з рекурентною нейронною мережею та апаратною реалізацією з різним навантаженням. Стратегія, що ґрунтується на використанні статичного синхронного компенсатора з рекурентним алгоритмом нейронної мережі для ефективного контролю стабільності постійної напруги та гармонік для лінійних та нелінійних навантажень розподільної мережі. Дослідження підтверджується результатами моделювання з урахуванням програмно-апаратної моделі MATLAB/Simulink.

Опис

Ключові слова

static synchronous compensator, photovoltaic fed, adaptive neuro-fuzzy inference system, recurrent neural network, статичний синхронний компенсатор, фотоелектричне живлення, адаптивна нейро-нечітка система виведення, рекурентна нейронна мережа, нейронні мережі

Бібліографічний опис

Praveen Kumar T. Improvement of voltage stability for grid connected solar photovoltaic systems using static synchronous compensator with recurrent neural network / T. Praveen Kumar, S. Ganapathy, M. Manikandan // Електротехніка і Електромеханіка = Electrical engineering & Electromechanics. – 2022. – № 2. – С. 69-77.

item.page.endorsement

item.page.review

item.page.supplemented

item.page.referenced