[논문]뉴로-퍼지 제어기를 이용한 계통연계형 풍력발전 시스템의 센서리스 MPPT 제어

이현희; 최대근; 이교범

doi:10.6113/tkpe.2011.16.5.484

뉴로-퍼지 제어기를 이용한 계통연계형 풍력발전 시스템의 센서리스 MPPT 제어
Sensorless MPPT Control of a Grid-Connected Wind Power System Using a Neuro-Fuzzy Controller 원문보기

전력전자학회 논문지 = The Transactions of the Korean Institute of Power Electronics, v.16 no.5, 2011년, pp.484 - 493

이현희 (아주대 전자공학과) , 최대근 (아주대 전자공학과) , 이교범 (아주대 전자공학부)

초록
AI-Helper

본 논문은 뉴로-퍼지 제어기를 이용한 최적의 퍼지 소속함수에 동조하는 다층 신경회로망을 사용한 성능이 개선된 MPPT 알고리즘을 제안한다. 퍼지 제어기의 성능은 퍼지규칙과 퍼지 소속함수의 폭의 영향을 받는다. 뉴로-퍼지 제어기는 신경망 학습을 통해 퍼지 소속함수의 최적 폭을 이용하기 때문에 기존 퍼지 제어기보다 우수한 응답특성을 갖는다. 실험과 시뮬레이션 결과를 통해 제안된 알고리즘의 우수한 제어특성을 확인한다.

Abstract ▼ AI-Helper

The MPPT algorithm using neuro-fuzzy controller is proposed to improve the performance of fuzzy controller in this paper. The width of membership function and fuzzy rule have an effect on the performance of fuzzy controller. The neuro-fuzzy controller has the response characteristic which is superior to the existing fuzzy controller, because of using the optimal width of the fuzzy membership function through the neural learning. The superior control characteristic of a proposed algorithm is confirmed through simulation and experiment results.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 계통연계형 풍력발전기를 퍼지 제어기를 개선한 뉴로-퍼지 제어기를 사용하여 최대 출력점추종 알고리즘을 제안하고 시뮬레이션과 실험으로 그 우수성을 입증하였다. 발전전력과 승압형 컨버터 입력전압의 변화량에 따라 인공신경망을 이용하여 퍼지제어기의 소속함수의 폭을 가변함으로써 최대출력점추종 알고리즘의 성능 지표인 주속비의 응답특성을 개선하였다.
본 논문에서는 앞서 설명한 최대 전력점 추종을 위해 인공신경망의 학습을 통하여 최적의 퍼지 소속함수폭에 동조하는 뉴로-퍼지 제어기를 이용한 MPPT 알고리즘를 제안한다.
본 논문에서는 최적의 소속함수 폭에 동조하는 뉴로-퍼지 제어기를 이용한 MPPT 제어를 제안한다. 제안된 알고리즘은 시뮬레이션 및 유도전동기를 이용한 블레이드 시뮬레이터와 동기발전기, 승압형 컨버터, 인버터로 제작된 계통연계형 풍력발전시스템 실험세트를 이용한 실험을 통해 제안된 알고리즘의 타당성을 검증한다.

제안 방법

본 논문에서는 계통연계형 풍력발전기를 퍼지 제어기를 개선한 뉴로-퍼지 제어기를 사용하여 최대 출력점추종 알고리즘을 제안하고 시뮬레이션과 실험으로 그 우수성을 입증하였다. 발전전력과 승압형 컨버터 입력전압의 변화량에 따라 인공신경망을 이용하여 퍼지제어기의 소속함수의 폭을 가변함으로써 최대출력점추종 알고리즘의 성능 지표인 주속비의 응답특성을 개선하였다.
본 논문에서는 발전기 회전속도의 정보 대신 승압형 컨버터의 입력전압의 변화량의 정보를 사용하였다. 발전기 속도는 발전기 출력전압과 비례하고 직류단 전압(승압형 컨버터 출력전압)은 고정되어 있기 때문이다.
본 논문에서는 소속함수를 삼각형으로 선택하였다. 그림 6에서 발전전력의 현재 값과 이전 값의 오차인 ΔP는 7개, 승압형 컨버터 입력전압의 현재 값과 이전값 ΔVi는 5개, 퍼지 제어기의 출력 ΔVi^*는 7개의 퍼지 집합을 갖도록 선정하였다.
의 최적 값들을 찾아내기 위해 ITAE를 최소로 하는 값들을 학습데이터로 사용한다. 신경회로망은 그림 11과 같이 입력층 뉴런은 2개 은닉층 뉴런은 10개의 퍼지 제어기에 최적 소속함수폭을 공급하는 출력층 뉴런은 2개로 구성하였으며 학습율은 0.05이고 오류역전파 알고리즘을 사용하였다.^[13]
본 논문에서는 최적의 소속함수 폭에 동조하는 뉴로-퍼지 제어기를 이용한 MPPT 제어를 제안한다. 제안된 알고리즘은 시뮬레이션 및 유도전동기를 이용한 블레이드 시뮬레이터와 동기발전기, 승압형 컨버터, 인버터로 제작된 계통연계형 풍력발전시스템 실험세트를 이용한 실험을 통해 제안된 알고리즘의 타당성을 검증한다.
퍼지추론은 퍼지논리 연산, 퍼지규칙, 회합 과정을 포함한다. 추론시스템에서 입력변수는 퍼지연산자와 IF-THEN 규칙을 직접 퍼지관계에 변형하여 출력 퍼지를 구한다. 각 규칙에 대해 출력퍼지 집합은 하나의 집합으로 회합되고 입력퍼지 집합은 논리연산자 AND에 의해 퍼지 규칙과 관계를 맺는다.
추종 알고리즘의 타당성을 검증하기 위해 시뮬레이션에서 동일한 조건의 실험세트를 이용한 실험을 수행하였다. 표 2에 전체 시스템 사양을 나타내었다.

대상 데이터

그림 15는 제어부와 전력변환부를 나타내었다. 제어보드는 TMS320F028335를 사용하여 구성하였으며 전력변환부는 계통연계형 인버터 및 승압형 컨버터로 구성되어있다.

데이터처리

제안된 알고리즘을 검증하기 위해 PSIM을 이용하여 시뮬레이션을 수행하였다. 승압형 컨버터의 인덕터는 6 [mH]이며, 커패시터는 2200 [uF]으로 사용하였고 풍속은 8 [m/s]에서 11 [m/s]로 가변하였다.

이론/모형

이 과정을 반복하면 에러는 적정 수준까지 떨어지게 되고 인공신경망은 퍼지제어기에서의 최적의 삼각함수 폭을 얻을 수 있다. 본 논문에서는 목적패턴으로 절대 오차 시간 곱적분 (ITAE)을 사용하며 식 (15)로 정의 한다.
퍼지 제어기를 이용하기 위해선 비퍼지화의 과정이 필요하다 퍼지추론에 의해 결정된 ΔVi^*의 비퍼지화란 퍼지값을 실제수치로 바꿔주는 과정을 의미한다. 비퍼지화 방법은 수게노 제로-오더 방법을 사용한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	센서리스 MPPT 제어 기법 중 P&O 알고리즘의 경우의 단점은?	[4][5] 센서리스 MPPT 제어는 발전기의 출력전력 및 출력전압의 관계를 비교하여 최대전력을 출력가능하게 할 수 있다. 센서리스 MPPT 제어 기법 중 P&O 알고리즘의 경우 추종속도가 느리고 정상상태인 최대 전력점 주위에서 속도가 계속적으로 진동하는 문제가 있다.[6] 이러한 단점을 개선하기 위해 퍼지 제어기를 적용할 수 있다.
	기존의 풍속과 회전속도의 정보를 이용하는 방법의 단점은?	[2] 즉, 풍속 가변 시 발전기 출력이 최대가 되게 하는 회전속도로 발전기를 동작시켜야 한다. 기존의 풍속과 회전속도의 정보를 이용하는 방법은 단순하지만 고가의 장비 및 측정 시 에러가 존재한다는 단점이 있다.[3] 이러한 단점을 개선한 풍속과 회전속도의 정보를 필요로 하지 않는 센서리스 MPPT 제어 알고리즘이 필요하다.
	본 논문에서는 발전기 회전속도의 정보 대신 승압형 컨버터의 입력전압의 변화량의 정보를 사용한 이유는?	본 논문에서는 발전기 회전속도의 정보 대신 승압형 컨버터의 입력전압의 변화량의 정보를 사용하였다. 발전기 속도는 발전기 출력전압과 비례하고 직류단 전압(승압형 컨버터 출력전압)은 고정되어 있기 때문이다. 최대 출력점 추종 제어를 위한 퍼지 제어기는 발전기 전력의 현재 값과 이전 값의 차이와 발전기의 정류된 전압 즉, 컨버터의 입력전압의 현재 값과 이전 값의 차를 입력으로 하여 전력이 증가하는 방향으로 승압형 컨버터의 새로운 입력전압을 만들기 위해 듀티비를 조절한다.

참고문헌 (13)

R. J. Wai, W. H. Wang, and C. Y. Lin, "High performance stand alone photovoltaic generation system", IEEE Trans. on Ind Electon., Vol. 55, No. 1, pp. 240-250, 2008, Jan.

상세보기
K. Park and K. B. Lee, "Hardware Simulator Development for a 3-Parallel Grid-connected PMSG Wind Power System", Journal of Power Electronics, Vol. 10, No. 5, pp. 555-562, 2010, Sept.

원문보기 상세보기
L. Hui and P. Mclaren, and K.L. Shi, "Neural network based sensorless maximum wind energy capture with compensated power coefficient," IEEE IAS Conf. Rec., Vol. 4, pp. 2600-2608, 2004, October.
장석호, 박홍극, 이동춘, 김흥근, "소형 풍력발전용 영구 자석형 동기발전기의 센서리스 제어", 전력전자학회 논문지, 제14권, 제1호 pp. 15-22, 2009. 2.
M. Pucci and M. Cirrincione, "Neural MPPT Control of Wind Generators With Induction Machines Without Speed Sensors", IEEE Trans. on Ind Electron., Vol. 58, pp. 37-47, 2011, Jan.

상세보기
지상근, 권두일, 유철희, 한상규, 노정욱, 이효범, 홍성수, "One Switching Cycle 내에 최대전력점을 추종하는 태양광 발전의 아날로그 MPPT 제어 시스템", 전력전자학회 논문지, 제14권, 제2호, pp. 89-95, 2009. 4.
Q. N. Trinh and H. Lee, "Maximum Power Point Tracking in PMSG Using Fuzzy Logic Algorithm", 2009년도 추계학술대회 논문집, pp. 135-138, 2009. 11.
최영식, 유동영, 정진우, "퍼지제어기를 이용한 영구자석 동기전동기의 강인한 속도제어", 전력전자학회 논문지, 제15권, 제5호, pp. 343-351, 2010. 10.

원문보기 상세보기
S. Premrudeepreechacham and N. Patanapirom, "Solar-Array Modelling and Maximum Power Point Tracking Using Neural Networks", IEEE Bologna Power Tech Conference, 2003, June 23-26.
R. Bharanikumar, M. P. Maheswari and S. Palanichamy, "Boost chopper circuit for low power wind turbine driven pm synchronous generator", IEEE Conferences, pp. 859-863, 2007, Nov.
E. Koutroulis and K. Kalaitzakis, "Design of a Maximum Power Tracking System for Wind Energy Conversation Applications", IEEE Trans on Ind Electon., Vol. 53, No. 2, pp. 486-494, 2006, April.

상세보기
N. Femia, G. Petrone, G. Spaguolo and M. Vitelli, "Optimizing sampling rate of P&O MPPT technique," IEEE 35th Annual PESC, pp. 1945-1949, 2004, June.
이은실, 박기우, 이교범, "입력 전원 외란 상황에서의 신경회로망 기반 전류 보상기를 이용한 매트릭스 컨버터의 출력 전류 개선", 전력전자학회 논문지, 제15권, 제3호, pp. 199-206, 2010. 6.

원문보기 상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증