POWER QUALITY IMPROVEMENT BASED ON HYBRID DIFFERENTIAL EVOLUTION OPTIMIZATION AND ARTIFICIAL NEURAL NETWORKS USING BATTERY ENERGY STORAGE

POWER QUALITY IMPROVEMENT BASED ON HYBRID DIFFERENTIAL EVOLUTION OPTIMIZATION AND ARTIFICIAL NEURAL NETWORKS USING BATTERY ENERGY STORAGE. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF (MSc Thesis)
POWER QUALITY IMPROVEMENT BASED ON HYBRID DIFFERENTIAL EVOLUTION OPTIMIZATION AND ARTIFICIAL NEURAL NETWORKS USING BATTERY ENERGY STORAGE.pdf
Restricted to Repository staff only until 8 January 2021.

Download (3MB)

Arabic Abstract

أصبحت الشبكات الكهربائية الحديثة تعتمد على مصادر الطاقة المتجددة وتقنيات تخزين الطاقة بشكل غير مسبوق، مما أسهم في انتشار وتطور الشبكات الكهربائية لتصبح شبكات ذكية. تسهل الشبكات الكهربائية الذكية من إمكانية ربط مصادر الطاقة المتجددة بشبكة الكهرباء. ولكن مع ربط هذه المصادر الحديثة للطاقة ظهرت تحديات جديدة تؤثر بدورها على عمل واستقرار الشبكات الكهربائية. أحد أهم هذه التحديات هو تأثير ربط مصادر الطاقة المتجددة على أداء واستقرار الشبكة خصوصا في حال حدوث اضطرابات كبيرة للشبكة. لذلك هناك حاجة ماسة لتقنيات تحكم ذكية تدعم وتعزز من استقرار الشبكة. هذه الرسالة تقدم مقترح لتقنيتي تحكم ذكيتين للمحافظة على استقرار الشبكة وتحسين جودة الطاقة الكهربائية وذلك باستخدام بطاريات تخزين الطاقة. الهدف الأساسي من تطبيق تقنيات التحكم الذكية هو المحافظة على استقرار الجهد الكهربائي والتردد في حال حدوث اضطرابات مفاجأة للشبكة. على حد علم المؤلف فإن تقنيات التحكم الذكية المقترحة في هذه الأطروحة لم يسبق أبداً اقتراحها مسبقاً من قبل أخرين. المقترح الأول في هذه الرسالة هو استخدام جهاز تحكم ذكي واحد لتحسين جودة الطاقة والمقترح الثاني هو باستخدام جهازي تحكم ذكيين للتحكم بالبطاريات بالشبكة الكهربائية الذكية. تمت برمجت أجهزة التحكم بطريقة التطور التفاضلي وشبكات الخلايا العصبية الاصطناعية. وقد تم اختبار طرق التحكم المبتكرة في هذه الأطروحة وأثبتت النتائج فعاليتها في تحسين جودة الطاقة والمحافظة على أداء واستقرار الشبكة الكهربائية.

English Abstract

Modern power systems rely on renewable energy sources (RESs) and distributed generation systems (DGSs) more than ever before; the combination of those two, along with the advanced energy storage systems, contributed widely to the development of microgrids (MGs). MGs provide flexibility to integrate renewables into the power network. Nevertheless, the transience of most RESs exacerbates the power quality of the grid network. Furthermore, the unpredictability of RESs additionally becomes challenging in the case of unknown disturbances. The deployment and optimal utilization of energy storage systems, to act as an energy buffer are hence pertinent. One of the significant technical challenges in MG applications is to improve the power quality of the system subjected to unknown disturbances; particularly, the problem sometimes becomes very challenging in case of unknown disturbances with significantly higher magnitude. Hence intelligent control approaches are vital to cope with the problem. In this work, two innovative online intelligent control approaches based on battery energy storage system (BESS) are proposed to improve the power quality of a MG system. The objective is the restoration of system voltage and frequency considering a wide range of disturbances and hence circumvent the power quality degradation. To the best of author’s knowledge, the proposed approaches in this thesis have not been proposed earlier in the literature. The first proposal utilizes a single BESS-based controller, whereas, the second proposal utilizes two decoupled BESS-based controllers. The MG system under consideration in this research consists of two distributed generators, a diesel synchronous generator, and a photovoltaic power system, integrated with a BESS. The detailed nonlinear equations that represent the dynamic model of the MG system are provided. The two designed control approaches are based on a hybrid differential evolution optimization (DEO) and artificial neural network (ANNs) technique. The controller parameters have been optimized under several operating conditions using the DEO. The obtained input and output patterns are consequently used to train the ANNs in order to perform an online tuning for the controller parameters. Finally, the effectiveness of the two proposed control approaches has been validated under random low and high level disturbances as compared with a benchmark controller. The simulation results show the effectiveness of the first proposal at low level disturbances, as well as prove the robustness of the second proposed control approach at low and high level disturbances.

Item Type: Thesis (Masters)
Subjects: Engineering
Research > Engineering
Electrical
Divisions: College Of Engineering Sciences > Electrical Engineering Dept
Committee Advisor: Khalid, Muhammad
Committee Members: Elamin, Ibrahim and Al-Ismail, Fahad
Depositing User: JABER ALSHEHRI (g201023020)
Date Deposited: 08 Jan 2020 15:00
Last Modified: 08 Jan 2020 15:00
URI: http://eprints.kfupm.edu.sa/id/eprint/141434