Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/2079
Tipo: Tese
Data do documento: 1-Dez-2009
Autor(es): VIEIRA, João Paulo Abreu
Primeiro(a) Orientador(a): NUNES, Marcus Vinícius Alves
Primeiro(a) coorientador(a): BEZERRA, Ubiratan Holanda
Título: Otimização de controladores utilizando algoritmos genéticos para melhoria da capacidade de sobrevivência a afundamentos de tensão de aerogeradores de indução duplamente excitados
Citar como: VIEIRA, João Paulo Abreu. Otimização de controladores utilizando algoritmos genéticos para melhoria da capacidade de sobrevivência a afundamentos de tensão de aerogeradores de indução duplamente excitados. 2009. 127 f. Orientador: Marcus Vinicius Alves Nunes; Coorientador: Ubiratan Holanda Bezerra. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2009. Disponível em: http://www.repositorio.ufpa.br:8080/jspui/handle/2011/2079. Acesso em:.
Resumo: Na presente tese propõe-se uma metodologia de ajuste ótimo dos controladores do conversor interligado ao rotor de aerogeradores de indução duplamente excitados (DFIG), utilizando algoritmos genéticos (AG), com o objetivo de melhorar a segurança e a robustez do sistema elétrico de potência, permitindo que os aerogeradores DFIG participem da gestão técnica do sistema. Para garantir este objetivo, é utilizada uma estratégia de proteção do tipo “crow-bar” durante a falta, mantendo o conversor interligado ao rotor conectado à máquina. Imediatamente após a eliminação da falta, o “crow-bar” é desativado, e simultaneamente os controladores ótimos do conversor interligado ao rotor são acionados, previamente ajustados pelo AG, a fim de melhorar a capacidade de sobrevivência a afundamentos de tensão “ridethrough capability” e a margem de estabilidade global do sistema elétrico. Para validação da metodologia ótima desenvolvida foram realizadas simulações computacionais utilizando uma rede elétrica real, em três condições operacionais distintas.
Abstract: It is proposed in this thesis a methodology to obtain optimal controllers gains for the rotorside converter of doubly fed induction generators (DFIGs) using a genetic algorithm approach. The main objective is to enhance the operational security and robustness of the power system, by a more effective contribution of the DFIG controllers to the system controllability. To reach this goal, the crow-bar protection scheme is activated during the fault period when severe voltage sags occur in order to maintain the rotor-side converter connected to the DFIG. Immediately after the fault is cleared the crow-bar protection scheme is deactivated and simultaneously the rotor-side converter optimal controllers are turned on which permits the improvement of the converter ride-through capability and also contribute to enhance the overall power system stability margin. The effectiveness of this proposed methodology was assessed for the DFIG-based plants using a real electrical network, in three different operational conditions.
Palavras-chave: Aerogeradores de indução duplamente excitados
Algoritmos genéticos
Capacidade de sobrevivência a afundamentos de tensão
Estabilidade transitória
Estabilidade a pequenas perturbações
Controle de tensão
Proteção do tipo crow-bar
Ajustes de controle
Wind generation
Doubly fed induction generators
Ride-through capability
Transient stability
Small signal stability
Voltage control
Crow-bar protection
Control tuning
Genetic algorithm
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
Aparece nas coleções:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_OtimizacaoControladoresUtilizando.pdf1,75 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons