Systems. Methods. Technologies 4 (40) 2018

Systems Methods Technologies. Yu.N. Bulatov et al. Simulation of synchronization … 2018 № 4 (40) p. 55-61 60 Таблица 2 Коэффициенты гармоник и несимметрии по обратной последовательности на шинах 110 кВ, % Режим СЭС k 2 U , % k U AB , % k U BC , % k U CA , % 1 Без ТГУ 2,00 6,38 7,42 6,77 2 При включенной ТГУ 1,86 5,61 6,48 6,14 Различие, % 7,0 12,1 12,7 9,3 Таблица 3 Коэффициенты гармоник и несимметрии по обратной последовательности на шинах 10 кВ, % Режим СЭС k 2 U , % k U AB , % k U BC , % k U CA , % 1 Без ТГУ 1,53 4,92 5,68 5,21 2 При включенной ТГУ 1,22 3,91 4,49 4,17 Различие, % 20,3 20,5 21,0 20,0 Заключение Результаты компьютерного моделирования позволяют сделать следующие выводы: 1. Применение автопрогностического АРЧВ обеспе- чивает значительное улучшение демпферных свойств и снижение инерционности турбогенераторной установки, подключаемой к СЭС промышленного предприятия. 2. Автопрогностический АРЧВ синхронного генера- тора ТГУ может быть рекомендован для повышения эф- фективности системы регулирования частоты вращения ротора и управления регулирующими клапанами паровой турбины в процессе самосинхронизации генератора с се- тью. 3. Метод точной синхронизации с использованием ав- тосинхронизатора позволяет избежать уравнительных токов и толчков мощности при включении синхронного генератора ТГУ на параллельную работу с промышлен- ной сетью. 4. При включении ТГУ на параллельную работу с промышленной сетью наблюдается существенное улуч- шение ПКЭ: • коэффициент несимметрии по обратной последо- вательности на шинах 110 кВ снижается на 7 %; анало- гичный показатель для шин 10 кВ равен 20 %; • суммарные коэффициенты гармоник на шинах 110 кВ уменьшаются на 9…12 %, а на шинах 10 кВ — на 20 %. Литература 1. Morzhin Y.I., Shakaryan Y.G., Kucherov Y.N., Voro- pai N.I., Vasiliev S.N., Yadykin S.N. Smart Grid Concept for Unified National Electrical Network of Russia. Preprints of pro- ceedings of IEEE PES Innovative Smart Grid Technologies Eu- rope 2011, Manchester Dec. 5-7 2011. Manchester, GB: IEEE // The University of Manchester, 2011. Panel session 5 D. Р. 1-5. 2. Волкова И.О., Губко М.В., Сальникова Е.А. Активный потребитель: задача оптимизации потребления электроэнер- гии и собственной генерации // Проблемы управления. 2013. № 6. С. 53-61. 3. Седова Н.А., Седов В.А. Управление умным домом с использованием нечеткой логики // Энергетика, Информати- ка, Инновации-2016: сб. тр. междунар. науч.-технической конф. Смоленск, 2016. Т. 1. С. 336-339. 4. De Keyser R.M.C. A,Van De Velde PH.G.A., Dumortier F.A.G. Comparative Study of Self-adaptive Long range Predictive Control Methods // Automatica. 1988. Vol. 24, Is. 2. P. 149-163. 5. Bulatov Y.N., KryukovV.N. Neuro Fuzzy Control system for Distributed Generation Plants. Proceedings of the Vth Interna- tional workshop "Critical infrastructures: Contingency manage- ment, Intelligent, Agent-based, Cloud computing and Cyber secu- rity" (IWCI 2018) // Atlantis Press, Advances in Intelligent Sys- tems Research, 2018. Vol. 158. P. 13-19. 6. Buchholz B.M., Styczynski Z.A. Smart Grids – Fundamen- tals and Technologies in Electricity Networks // Springer-Verlag Berlin Heidelberg, 2014. P. 396. 7. Закарюкин В.П., Крюков А.В., Черепанов А.В. Интеллекту- альные технологии управления качеством электроэнергии. Ир- кутск: Изд-во ИрНИТУ, 2015. 218 с. 8. Bulatov Yu. N., Kryukov A.V. Optimization of automatic regulator settings of the distributed generation plants on the basis of genetic algorithm // 2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). IEEE Conference Publications. 2016. P. 1-6. 9. Kryukov A.V., Kargapol'cev S.K., Bulatov Yu.N., Skrypnik O.N., Kuznetsov B.F. Intelligent control of the regulators adjustment of the distributed generation installation. Far East Journal of Electronics and Communications, 2017. Т.17, №5. P. 1127-1140. 10. Bulatov Yu. N., Kryukov A.V., Suslov K.V. Multi-agent tech- nologies for control of distributed generation plants in the isolated pow- er systems // Far East Journal of Electronics and Communications. 2017. Vol. 17,№ 5. Р. 1197-1212. 11. Chen Y., Ma Y., Yun W. Application of Improved Genetic Al- gorithm in PID Controller Parameters Optimization // Telkomnika, 2013. Vol. 11, №3. Р. 1524-1530. 12. Булатов Ю.Н., Крюков А.В. Применение вейвлет- преобразования и генетических алгоритмов для настройки автоматических регуляторов установок распределенной гене- рации // Научный вестник Новосиб. гос. техн. ун-та. 2016. № 2, Т. 63. С. 7-22. 13. Camacho E.F., BordonsС. Model Predictive Control, 2nd edi- tion Springer, 2007. 405 p. 14. Wang J., Huang A.Q., Sung W., Liu, Y., Baliga B.J. Smart Grid Technologies // IEEE Industrial Electronics Magazine. 2009. Vol. 3, № 2. Р. 16-23. 15. Ran Wang, Ping Wang, Gaoxi Xiao. Intelligent Microgrid Management and EV Control Under Uncertainties in Smart Grid. Springer. 2018. 218 p. 16. Логинов А.Г., Фадеев А.В. Микропроцессорный автомати- ческий регулятор типа АРВ-М для систем возбуждения АО «Электросила» // Электротехника. 2001. №4. С. 66-70. 17. Булатов Ю.Н., Крюков А.В., Хынг Ч.З. Автоматические регуляторы для установок распределенной генерации // Системы Методы Технологии. 2014. № 3 (23). С. 108-116. 18. Булатов Ю.Н., Крюков А.В., Чан Зюй Хынг. Приме- нение сетевых кластеров (microgrid) в системах электроснаб- жения железных дорог. Братск: БрГУ, 2016. 178 с.