المصدر: mdpi
الفكرة الأساسية
تقديم استراتيجية تحكم مبتكرة لشاحن بطاريات ذو اتجاهين* يدمج حقن الطاقة في الشبكة الذكية مع تعويض القدرة التفاعلية* باستخدام بطارية السيارة الكهربائية، مما يعزز استقرار الشبكة وجودة الطاقة.
تفاصيل القصة
تقدم هذه الدراسة استراتيجية تحكّم مبتكرة لشاحن البطاريات ذو الاتجاهين* الذي يدمج بشكل فعال حقن الطاقة في الشبكة الذكية مع تعويض القدرة التفاعلية باستخدام بطارية السيارة الكهربائية. يستخدم التحكم بواسطة شبكة عصبية اصطناعية (ANN)* لضمان الأداء الأمثل بأقل خطأ، حيث يتم توليد تعديل عرض النبضة الجيبية (SPWM)* للعاكس، محول التيار المتردد إلى التيار المستمر.
تمت محاكاة النظام في MATLAB Simulink والتحكم فيه بواسطة لوحة DSP F28379D، وتم اختباره على محرك ثلاثي الأطوار. أظهرت النتائج الرئيسية فعالية خوارزمية الشبكة العصبية الاصطناعية ANN*، محققةً تشويهًا توافقيا كليا للتيار (THD)* بنسبة 1.85%، وهو أقل بكثير من تشويه 2.56% الخاص بخوارزمية MPC. بالإضافة إلى ذلك، أظهر النظام المستند إلى الشبكة العصبية الاصطناعية ANN* وقت استجابة منخفض جدًا وعدم وجود تجاوز، وهي عوامل حاسمة تتيح الشحن السريع والفعال للسيارات الكهربائية.كما حقق النظام تعويضًا فعالًا للشبكة، حيث تم تحييد القدرة التفاعلية إلى 0 كيلو فولت أمبير (KVAR).
تؤكد هذه النتائج إمكانات استراتيجية التحكم القائمة على الشبكة العصبية الاصطناعية ANN في تعزيز استقرار الشبكة وجودة الطاقة مع ضمان الشحن السريع للسيارات الكهربائية.
تصف الدراسة أيضًا تصميم لوحة الدائرة المطبوعة PCB* للنظام الذي يتم التحكم فيه بواسطة لوحة DSP F28379D، والذي تم اختباره على محرك ثلاثي الأطوار. وتشير إلى أن استخدام بطاريات السيارات الكهربائية لتعويض الشبكة، في ما يسمى بوضع "السيارة للشبكة" (V4G)*، يمكن أن يكون فعالًا في تحسين جودة الطاقة التي يتم حقنها في الشبكة.
كما أن النظام يتميز بقدرته على تعويض القدرة التفاعلية بكفاءة، مع تحييد القدرة التفاعلية إلى 0 كيلو فولت أمبير في وضع السيارة للشبكة V4G*. يشير هذا إلى أن الخوارزمية المقترحة ليست فقط أكثر فعالية من حيث جودة الطاقة المحقونة في الشبكة ولكنها أيضًا توفر تعويضًا فعالًا للشبكة، مما يعزز من استقرار النظام وكفاءته.
المصطلحات الأساسية