CC BY
21
Оригинальная статья / Original article УДК 621.311, 621.331
DOI : http://dx.doi.org/10.21285/1814-3520-2020-1 -112-122
Координация настроек автоматических регуляторов паротурбинной установки распределенной генерации
© Ю.Н. Булатов*, А.В. Крюков*****, Нгуен Ван Хуан***
*Братский государственный университет, г. Братск, Россия
**Иркутский государственный университет путей сообщения, г. Иркутск, Россия
***Иркутский национальный исследовательский технический университет, г. Иркутск, Россия
Резюме: Цель - разработка методики координации настроек автоматических регуляторов возбуждения и скорости вращения ротора генератора паротурбинной установки распределенной генерации. Для достижения цели использовались методы цифровой обработки сигналов при выделении шума регуляторов и получение спектральных характеристик для расчета комплексных передаточных коэффициентов. В качестве инструмента оптимизации коэффициентов настройки автоматических регуляторов возбуждения и скорости применялся генетический алгоритм. Моделирование системы электроснабжения с регулируемой паротурбинной установкой распределенной генерации осуществлялось в программной среде MATLAB с применением пакетов Simulink, SimPow-erSystems и специализированного программного комплекса для координации коэффициентов настройки регуляторов. Результаты исследования показывают, что координация настроек регуляторов и применение прогностических алгоритмов улучшают демпферные свойства системы, делая управление частотой и напряжением более быстрым и плавным. На основе проведенных исследований и компьютерного моделирования могут быть сформулированы следующие выводы: малая постоянная инерции роторов генераторов установок распределенной генерации требует координации настроек автоматических регуляторов возбуждения и скорости; применение автопрогностического автоматического регулятора скорости позволяет значительно улучшить демпферные свойства системы при управлении турбогенераторами установок распределенной генерации, подключаемых к статической и динамической нагрузке; автопрогностический автоматический регулятор скорости синхронного генератора может быть рекомендован для повышения эффективности регулирования частоты вращения ротора и управления регулирующими клапанами паровой турбины. Практическое использование предложенных алгоритмов настройки автоматических регуляторов возбуждения и скорости позволит повысить надежность работы установок распределенной генерации и качество процессов управления.
Ключевые слова: паротурбинная установка распределенной генерации, автоматические регуляторы напряжения, автоматические регуляторы скорости, координация настроек, прогностические алгоритмы, генетический алгоритм
Информация о статье: Дата поступления 18 ноября 2019 г.; дата принятия к печати 24 декабря 2019 г.; дата онлайн-размещения 28 февраля 2020 г.
Для цитирования: Булатов Ю.Н., Крюков А.В., Нгуен Ван Хуан. Координация настроек автоматических регуляторов паротурбинной установки распределенной генерации. Вестник Иркутского государственного технического университета. 2020. Т. 24. № 1. С. 112-122. https://doi.org/10.21285/1814-3520-2020-1-112-122
Coordination of DG steam turbine plant automatic controller settings
Yury N. Bulatov, Andrey V. Kryukov, Nguyen Van Huan
Bratsk state University, Bratsk, Russia
Irkutsk State Transport University, Irkutsk, Russia
Irkutsk National Research Technical University, Irkutsk, Russia
Abstract: The purpose of the paper is to develop a coordination methodology for the settings of automatic controllers of generator excitation and generator rotor speed of distributed generation steam turbine plants. The methods of digital signal processing under controller noise isolation and obtaining of spectral characteristics for complex transfer coefficient calculations are used to achieve the set purpose. A genetic algorithm is used as an optimization tool for the tuning coefficients of automatic excitation and speed controllers. The power supply system with a controlled distributed generation steam turbine has been simulated in the MATLAB software environment using Simulink, SimPowerSystems packages and a specialized software package for coordination of controller setting coefficients. The results of the study show that
coordination of controller settings and application of predictive algorithms improve the damping properties of the system making frequency and voltage control faster and smoother. The conducted research and computer modeling allow to derive the following conclusions: a small constant inertia of the distributed generation plant generator rotors requires coordination of settings of automatic excitation and speed controllers; the use of an auto predictive automatic speed controller can significantly improve the damping properties of the regulator when controlling the turbogenerators of distributed generation plants connected to static and dynamic loads; the auto predictive automatic speed controller of the synchronous generator can be recommended to improve the efficiency of rotor speed regulation and controlling of steam turbine control valves. Practical use of the proposed algorithms for setting automatic excitation and speed controllers will improve the reliability of distributed generation plant operation and the quality of control processes.
Keywords: distributed generation steam turbine, automatic voltage controllers, automatic speed controllers, coordination of settings, predictive algorithms, genetic algorithm
Information about the article: Received November 18, 2019; accepted for publication December 24, 2019; available online February 28, 2020.
For citation: Bulatov YuN, Kryukov AV, Nguyen Van Huan. Coordination of DG steam turbine plant automatic controller settings. Vestnik Irkutskogo gosudarstvennogo tehnicheskogo universiteta = Proceedings of Irkutsk State Technical University. 2020;24(1):112-122. (In Russ.) https://doi.org/10.21285/1814-3520-2020-1-112-122
1. ВВЕДЕНИЕ
Технологии интеллектуальных сетей Smart Grid [1-13] предусматривают широкое внедрение установок распределенной генерации (РГ). Для промышленных объектов режим параллельной работы установок РГ с электроэнергетической системой (ЭЭС) является наиболее рациональным по экономическим и технологическим критериям. В этом случае установки РГ могут применяться для снятия пиковых нагрузок, стабилизации напряжения и частоты, а также снижения потерь электроэнергии. Однако параллельная работа установок РГ с ЭЭС усложняет задачи управления режимами и требует применения более совершенных алгоритмов настройки регуляторов. Ввиду малой постоянной инерции роторов генераторов установок РГ необходима разработка методов и алгоритмов координации настроек их регуляторов.
В статье рассматривается паротурбинная установка (ПТУ), реализованная на основе синхронного генератора с автоматическими регуляторами возбуждения (АРВ) и скорости (АРС) вращения ротора. Настройка АРВ и АРС генератора ПТУ существенно влияет на качество и время демпфирования возникающих колебаний параметров. Проведенные исследования [14-16] показывают необходимость координации действий АРВ и АРС, особенно в пиковых и аварийных режимах. Поэтому
при настройке систем АРВ и АРС генератора ПТУ следует учитывать их взаимосвязь. Ниже приведены результаты компьютерного моделирования, выполненного для исследования метода и алгоритма координации настроек АРВ и АРС паротурбинной установки РГ промышленного объекта.
2. ОПИСАНИЕ КОМПЬЮТЕРНОЙ МОДЕЛИ
Моделирование выполнялось для системы электроснабжения (СЭС) промышленного предприятия, схема которой представлена на рис. 1.
Питание СЭС осуществлялось от ЭЭС по протяженной линии электропередачи напряжением 110 кВ. Электрическая сеть характеризовалась значительной раз-ветвленностью и наличием промежуточных распределительных пунктов 10 кВ, к которым подключены электродвигатели. Низковольтные нагрузки питались от цеховых подстанций 10/0,4 кВ. В качестве установки РГ использовалась ПТУ мощностью 3,125 МВА. При разработке модели СЭС были учтены активно-индуктивные нагрузки на напряжениях 10 кВ и 0,4 кВ.
Модель представленной СЭС для исследований режимов работы и влияния на них установки РГ выполнена в среде MATLAB с использованием пакетов имитационного моделирования Simulink и Sim-PowerSystems.
Система System 110 кВ 110 kV
Т-1 110/10,6300 кВА 1 kVA
Т-2 110/10 6300 кВА
kVA
S
10 кВ kV
5-5-5
0,4 кВ kV I 0,4 кВ kV I 0,4 кВ kV I 0,4 кВ kV
10,4 кВ kV
ъ
i
' S5 S6 ' 6 кВ kV кВ kV
^ iL iL sul
Рис. 1. Схема системы электроснабжения промышленного предприятия с установкой распределенной генерации Fig. 1. Power supply system diagram of an industrial enterprise with a distributed generation plant
3. РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ
Для поиска рациональных коэффициентов настройки АРВ с учетом влияния АРС систему «турбина-генератор» необходимо представить двухсвязной, имеющей две выходных величины - частоту вращения ротора rng и напряжение генератора Ug. В этом случае регулятор имеет диагональную связь через канал регулирования АРВ по частоте (рис. 2). В структуру системы автоматического регулирования «турбина-генератор» входят элементы, описываемые соответствующими передаточными функциями: WASR - АРС; WT - паровая турбина;
WJ^, - канал регулирования АРВ по частоте; W^, - канал регулирования АРВ по напряжению; WR - общий регулятор, учитывающий взаимосвязь АРВ и АРС; WE -
возбудитель; - генератор. На рис. 2
также обозначено: юz = 1 о.е. - заданное значение частоты вращения ротора; Ugz =1 о.е. - заданное значение напряжения генератора; Ью - отклонение частоты вращения ротора от заданного значения; йид - отклонение напряжения от заданного значения.
Для предлагаемой структуры модели в качестве АРC может использоваться пропорционально-интегрально-дифференциальный (ПИД) регулятор, а в качестве АРВ - микропроцессорный АРВ сильного действия, также реализующий ПИД закон. Описание алгоритма настройки АРВ с учетом влияния АРС генератора приведено в работах [14-16].
Координация настроек АРВ и АРС предполагает выполнение следующих этапов:
- идентификация модели турбоге-
нератора на основе экспериментальных данных с использованием вейвлет-преобразования для выделения шума регуляторов [16];
- оптимизация настроек АРВ с учетом влияния АРС с использованием генетического алгоритма [14, 16];
- оценка запаса устойчивости системы.
Предлагаемые алгоритмы идентификации и координации настроек регуляторов реализованы в специализированном программном комплексе (ПК), описание которого приведено в [17]. Далее при оптимизации настроек регуляторов генератора ПТУ использовался этот ПК.
Для идентификации модели ПТУ использовались шумы регуляторов, которые принудительно вводились в модель. В ка-
нал регулирования АРС вводился белый шум с нормальным распределением и предельным значением спектральной плотности мощности = 0,00002 о.е. В канал регулирования АРВ вводился аналогичный белый шум с = 0,002 о.е. На рис. 3 (в качестве примера) показан сигнал изменения частоты вращения ротора генератора ПТУ.
В результате идентификации модели ПТУ был получен характеристический полином системы и построены амплитудно-частотные характеристики прямых и перекрестных связей параметров модели турбогенератора (рис. 4). В результате процедуры оптимизации настроек АРВ и АРС генератора с использованием полученной модели ПТУ были определены коэффициенты усиления регуляторов. Окно с результатами работы ПК ARE&ARRF представлено на рис. 4.
Рис. 2. Структура системы автоматического регулирования паротурбинной установки Fig. 2. Structure of the steam turbine plant automatic control system
Рис. 3. Сигнал изменения частоты вращения ротора при идентификации Fig. 3. Signal of rotor speed variation under identification
Рис. 4. Окно программного комплекса ARE&ARRF с результатами идентификации, настройки автоматических регуляторов возбуждения и автоматических регуляторов скорости Fig. 4. ARE&ARRF software package window with the results of identification, setting of automatic excitation controllers and automatic speed controllers
Оценка запаса устойчивости по показателю скорости изменения фазы характеристического годографа системы (см. рис. 4) указывает на достаточную степень устойчивости для найденных коэффициентов настройки АРВ и АРС.
Для оценки эффективности работы ПТУ при скоординированной настройке АРВ и АРС моделировались следующие режимы:
- отключение промышленной сети от источника питания;
- самосинхронизация генератора ПТУ с сетью.
Результаты моделирования в виде зависимостей механической мощности на валу турбины, напряжений и частоты вра-
щения от времени при различных настройках АРВ и АРС представлены на рис. 5-7.
Сравнение результатов моделирования работы ПТУ с различными настройками АРВ и АРС при отключении внешнего электроснабжения показывает, что координация настроек регуляторов позволяет снизить величины перерегулирования механической мощности на валу турбины и напряжения генератора. Также уменьшается длительность переходного процесса для напряжения. При самосинхронизации генератора ПТУ с промышленной сетью координированная настройка АРВ и АРС позволяет уменьшить величину перерегулирования частоты (рис. 7).
Механическая мощность на валу турбины Pin, o.e.
Û.SS 0.86 0.84 0.82 0.8 0.78 0.76 0.74 0.72 0.7
л
A\
'2.
Время, с
24
25
26
27
28
29 30 31
Рис. 5. Изменение механической мощности на валу турбины установки распределенной генерации при переходе в островной режим: 1 - нескоординированная настройка автоматических регуляторов возбуждения и автоматических регуляторов скорости (перерегулирование о = 4,88%, время переходного процесса tp = 3 с); 2 - координированная настройка автоматических регуляторов возбуждения и автоматических регуляторов скорости (о = 2,44%, tp = 3 с) Fig. 5. Variation of mechanical power on the turbine shaft of the distributed generation plant when switching
to the island mode: 1 - uncoordinated setting of automatic excitation controllers and automatic speed controllers (readjustment о = 4.88%, transition process time is tp = 3 s); 2 - coordinated setting of automatic excitation controllers and automatic speed controllers (о = 2.44%, tp = 3 s)
Напряжение; В
10600 10400 10200 10000 9800 9600 9400 9200 9000
!_1 I__ /~\ L
2_
Д
Г /
1 1 1 1 Время, с -
24
25
26
27
28 29
30
Рис. 6. Изменение действующего значения напряжения на шинах установки распределенной генерации при переходе в островной режим: 1 - нескоординированная настройка автоматических регуляторов возбуждения и автоматических регуляторов скорости (о = 10%, tp = 5 с); 2 - скоординированная настройка автоматических регуляторов возбуждения
и автоматических регуляторов скорости (о = 6%, tp = 2 с) Fig. 6. Variation of the effective voltage on the buses of the distributed generation plant when switching to the island mode: 1 - uncoordinated setting of automatic excitation controllers and automatic speed controllers (о = 10%, tp = 5 s); 2 - coordinated setting of automatic excitation controllers
and automatic speed controllers (о = 6%, tp = 2 s)
Таким образом, координация настроек АРВ и АРС паротурбинной установки распределенной генерации позволяет улучшить качество регулирования механической мощности турбины, скорости ро-
тора и напряжения генератора. Необходимо отметить, что совместное использование прогностических алгоритмов [18, 19] и координации настроек регуляторов позволяет получить дополнительный эффект при
управлении скоростью вращения ротора и напряжением синхронного генератора ПТУ в переходных режимах работы. В качестве примера на рис. 8 и 9 показаны графики,
полученные в результате моделирования работы ПТУ с классическим и автопрогностическим АРС [20] при отключении внешнего электроснабжения.
Частота вращения ротора генератора, o.e.
1.001 1.0005 1
0.9995 0.999 0.9985 0.99 8 0.9975 0.997
\
1 1 V/ --
VA J
1 1 42
I I
Время, с
20
22
24
26
28
jO
j4
Рис. 7. Изменение частоты вращения ротора генератора паротурбинной установки при самосинхронизации с промышленной сетью: 1 - нескоординированная настройка автоматических регуляторов возбуждения и автоматических регуляторов скорости (о = 0,3%, tp = 4 с); 2 - скоординированная настройка автоматических регуляторов возбуждения и автоматических регуляторов скорости (о = 0,06%, tp = 4 с) Fig. 7. Variation of the rotor speed of the steam turbine plant generator under self-synchronization
with an industrial network: 1 - uncoordinated setting of automatic excitation controllers and automatic speed controllers (о = 0.3%, tp = 4 с); 2 - coordinated setting of automatic excitation controllers and automatic speed controllers (о = 0.06%, tp = 4 с)
Рис. 8. Изменение механической мощности на валу турбины паротурбинной установки: 1 - с использованием типового автоматического регулятора скорости (о = 4,96 %, tp = 3 с); 2 - с использованием автопрогностического автоматического регулятора скорости (о = 0,97%, tp = 2 с) Fig. 8. Variation of mechanical power on the turbine shaft of the steam turbine plant: 1 - using a typical automatic speed controller (о = 4.96%, tp = 3 s); 2 - using an auto predictive automatic speed controller (о = 0.97%, tp = 2 s)
Частота вращения ротора генератора, o.e.
1 1
л л
J Г
J/ \2
1 1 1 1 1 Время, с ■ 1
1.000]
0.9999
0.99 98
0.9997
0.9996
22
24
26
28
30
32
34
38
Рис. 9. Изменение частоты вращения ротора генератора паротурбинной установки: 1 - с использованием типового автоматического регулятора скорости (о = 0,04%, tp = 4 с); 2 - с использованием автопрогностического автоматического регулятора
скорости (о = 0,01%, tp = 4 с) Fig. 9. Variation of the rotor speed of the steam turbine plant generator: 1 - using a typical automatic speed controller (о = 0.04%, tp = 4 s); 2 - using an auto predictive automatic speed controller (о = 0.01%, tp = 4 с)
Результаты моделирования позволяют сделать вывод о том, что использование автопрогностического АРС улучшает демпферные свойства регулятора и способствует более быстрому и плавному управлению мощностью турбины по сравнению с классическим АРС: перерегулирование снижается на 4%, а длительность переходного процесса уменьшается на треть.
4. ЗАКЛЮЧЕНИЕ
Результаты моделирования позволяют сделать вывод о том, что координация настроек регуляторов генератора ПТУ позволяет улучшить демпферные свойства
системы, делая управление частотой и напряжением более быстрым и плавным.
Приведенные результаты показывают, что автопрогностический АРС позволяет улучшить демпферные свойства при управлении установкой РГ, подключаемой к статической и динамической нагрузке. Поэтому автопрогностический АРС может быть рекомендован для повышения эффективности регулирования частоты вращения ротора и управления регулирующими клапанами паровой турбины.
Таким образом, практическое использование предложенных алгоритмов настройки АРВ и АРС позволит повысить надежность работы установок РГ и качество процессов управления.
Библиографический список
1. Saleh M.S., Althaibani A., Esa Y., Mhandi Y., Mohamed A.A. Impact of clustering microgrids on their stability and resilience during blackouts // Smart Grid and Clean Energy Technologies (ICSGCE): Proceedings on International Conference (Offenburg, 20-23 October 2015). Offenburg: IEEE, 2015. P. 195-200. https://doi.org/10.1109/ICSGCE.2015.7454295_
2. Vassilyev S.N., Voropai N.I., Yadykin I.B., Morzhin Yu I., Shakarjan Yu G., Kucherov Yu N. Smart Grid Concept for Unified National Electrical Network of Russia // Innovative Smart Grid Technologies Europe: Proceedings of IEEE PES (Manchester, 5-7 December 2011). Manchester: IEEE, 2011. P. 1-5.
3. Buchholz B.M., Styczynski Z.A. Smart Grids - Fun-
damentals and Technologies in Electricity Networks. Berlin: Springer-Verlag Berlin Heidelberg, 2014. 396 p. https://doi.org/10.1007/978-3-642-45120-1
4. Nejad M.F., Saberian A.M., Hizam H., Radzi M.A.M., Ab Kadir M.Z.A. Application of smart power grid in developing countries // 7th International Power Engineering and Optimization Conference (PEOCO) (Langkawi, 3-4 June 2013). Langkawi: IEEE, 2013. P. 427-431. https://doi.org/10.1109/PE0C0.2013.6564586
5. Suslov K.V., Solonina N.N., Stepanov V.S. A principle of power quality control in the intelligent distribution networks // International symposium on smart electric distribution systems and technologies EDST: Proceedings (Vienna, 07-11 September 2015). Vienna: Institute of Electrical and Electronics Engineers Inc, 2015. P. 131-137. https://doi.org/10.1109/SEDST.2015.7315218
6. Jun Wang, Alex Q. Huang, Woongje Sung, Yu Liu, Baliga B.J. Smart Grid Technologies // IEEE Industrial Electronics Magazine. 2009. Vol. 3. Issue 2. P. 16 -23. https://doi.org/10.1109/MIE.2009.932583
7. Suslov K.V., Stepanov V.S., Solonina N.N. Smart grid: effect of high harmonics on electricity consumers in distribution networks // International Symposium on Electromagnetic Compatibility (Brugge, 02-06 September 2013). Brugge: IEEE, 2013. P. 841-845.
8. Xinwei Shen, Shouzhen Zhu, Jinghong Zheng, Ying-duo Han, Qingsheng Li, Jing Nong, et al. Active distribution network expansion planning integrated with centralized and distributed Energy Storage System // Power & Energy Society General Meeting (Denver, 26-30 July 2015). Denver: IEEE, 2015. P. 1-5. https://doi.org/10.1109/PESGM.2015.7286069
9. Martínez Ceseña E.A., Mancarella P. Techno-economic Optimisation and Flexible Planning Under Uncertainty of Smart Distribution Networks, Microgrids and District Energy Systems. Part 2 - Applications // IEEE PES Power & Energy Society. 2016. 1-68. https://doi.org/10.13140/RG.2.1. 3065.4324
10. Barker Ph.P., De Mello R.W. Determining the Impact of Distributed Generation on Power Systems. Part 1. Radial Distribution Systems // Power Engineering Society Summer Meeting (Seattle, 16-20 July 2000). Seattle: IEEE, 2000. P. 1645-1656. https://doi.org/10.1109/PESS.2000.868775
11. Olivares D.E., Mehrizi-Sani A., Etemadi A.H., Cañizares C.A., Iravani R., Kazerani M., et al. Trends in Microgrid Control // IEEE Transactions Smart Grid.
2014. Vol. 5. Issue 4. P. 1905-1919. https://doi.org/10.1109/TSG.2013.2295514
12. Mahmoud M.S., AL-Sunni F.M. Control and Optimization of Distributed Generation Systems. Cham: Springer International Publishing, 2015. 578 p.
13. Ran Wang, Ping Wang, Gaoxi Xiao. Demand and Supply Management in Microgrids // Intelligent Microgrid Management and EV Control Under Uncertainties in Smart Grid. 2017. P. 21-44. https://doi.org/10.1007/978-981-10-4250-8_3
14. Bulatov Yu.N., Kryukov A.V. Optimization of automatic regulator settings of the distributed generation plants on the basis of genetic algorithm // 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM) (Chelyabinsk, 19-20 May 2016). Chelyabinsk: IEEE, 2016. P. 1-6. https://doi.org/10.1109/ICIEAM.2016.7911456
15. 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. Vol. 17. No. 5. P. 1127-1140. https://doi.org/10.17654/EC017051127
16. Булатов Ю.Н., Крюков A.B. Применение вейвлет-преобразования и генетических алгоритмов для настройки автоматических регуляторов установок распределенной генерации II Научный вестник НГТУ. 2016. Т. 63. № 2. С. 7-22.
17. Булатов Ю.Н., Игнатьев И.В. Программный комплекс для идентификации электроэнергетических систем и оптимизации коэффициентов стабилизации автоматических регуляторов возбуждения II Системы. Методы. Технологии. 2010. № 4. С. 106113.
18. Camacho E.F., Bordons C. Model Predictive Control: 2nd edition. London: Springer-Verlag, 2007. 405 p.
19. Пикина Г.А. Принцип управления по прогнозу и возможность настройки систем регулирования одним параметром II Новое в российской электроэнергетике. 2014. № 3. С. 5-13.
20. Bulatov Yu.N., Kryukov A.V., Nguyen Van Huan. Automatic prognostic regulators of distributed generators // International Multi-Conference on Industrial Engineering and Modern Technologies (Vladivostok, 03-04 October 2018). Vladivostok: IEEE, 2018. Vol. 463. P. 14. https://doi.org/10.1109/FarEastCon.2018.8602718
References
1. Saleh MS, Althaibani A, Esa Y, Mhandi Y, Mohamed AA. Impact of clustering microgrids on their stability and resilience during blackouts. Smart Grid and Clean Energy Technologies (ICSGCE): Proceedings on International Conference. 20-23 October 2015, Offenburg. Offenburg: IEEE; 2015, p. 195-200. https://doi.org/10.1109/ICSGCE.2015.7454295
2. Vassilyev SN, Voropai NI, Yadykin IB, Morzhin Yu I, Shakarjan Yu G, Ku-cherov Yu N. Smart Grid Concept for Unified National Electrical Network of Russia. Inno-
vative Smart Grid Technologies Europe: Proceedings of IEEE PES. 5-7 December 2011, Manchester. Manchester: IEEE; 2011, p. 1-5.
3. Buchholz BM, Styczynski ZA. Smart Grids - Fundamentals and Technologies in Electricity Networks. Berlin: Springer-Verlag Berlin Heidelberg; 2014, 396 p. https://doi.org/10.1007/978-3-642-45120-1
4. Nejad MF, Saberian AM, Hizam H, Radzi MAM, Ab Kadir MZA. Application of smart power grid in developing countries. 7th International Power Engineering and
Optimization Conference (PEOCO). 3-4 June 2013, Langkawi. Langkawi: IEEE; 2013, p. 427-431. https://doi.org/10.1109/PEOCO.2013.6564586
5. Suslov KV, Solonina NN, Stepanov VS. A principle of power quality control in the intelligent distribution networks. In: International symposium on smart electric distribution systems and technologies EDST: Proceedings. 07-11 September 2015, Vienna. Vienna: Institute of Electrical and Electronics Engineers Inc; 2015, p. 131-137. https://doi.org/10.1109/SEDST.2015.7315218
6. Jun Wang, Alex Q. Huang, Woongje Sung, Yu Liu, Baliga B.J. Smart Grid Technologies. IEEE Industrial Electronics Magazine. 2009;3(2)16-23. https://doi.org/10.1109/MIE.2009.932583
7. Suslov KV, Stepanov VS, Solonina NN. Smart grid: effect of high harmonics on electricity consumers in distribution networks. In: International Symposium on Electromagnetic Compatibility. 02-06 September 2013, Brugge. Brugge: IEEE; 2013, p. 841-845.
8. Xinwei Shen, Shouzhen Zhu, Jinghong Zheng, Ying-duo Han, Qingsheng Li, Jing Nong, et al. Active distribution network expansion planning integrated with centralized and distributed Energy Storage System. In: Power & Energy Society General Meeting. 26-30 July 2015, Denver. Denver: IEEE; 2015, p. 1-5. https://doi.org/10.1109/PESGM.2015.7286069
9. Martínez Ceseña E.A., Mancarella P. Techno-economic Optimisation and Flexible Planning Under Uncertainty of Smart Distribution Networks, Microgrids and District Energy Systems. Part 2 - Applications. IEEE Power & Energy Society (PES). 2016:1-68. https://doi.org/10.13140/RG.2.1. 3065.4324
10. Barker PhP, De Mello RW. Determining the Impact of Distributed Generation on Power Systems. Part 1. Radial Distribution Systems. Power Engineering Society Summer Meeting. 16-20 July 2000, Seattle. Seattle: IEEE; 2000, p. 1645-1656. https://doi.org/10.1109/PESS.2000.868775
11. Olivares DE, Mehrizi-Sani A, Etemadi AH, Cañizares CA, Iravani R, Kazerani M, et al. Trends in Microgrid Control. IEEE Transactions Smart Grid. 2014;5(4): 1905-1919. https://doi.org/10.1109/TSG.2013.2295514
12. Mahmoud MS, AL-Sunni FM. Control and Optimiza-
Критерии авторства
Булатов Ю.Н. разработал алгоритмы координации настроек регуляторов и компьютерную модель системы электроснабжения с паротурбинной установкой распределенной генерации. Крюков А.В. разработал концепцию применения прогностических регуляторов для установок распределенной генерации. Нгуен Ван Хуан участвовал в разработке алгоритмов координации; выполнил имитационное моделирование режимов. Все авторы несут ответственность за плагиат.
tion of Distributed Generation Systems. Cham: Springer International Publishing; 2015, 578 p.
13. Ran Wang, Ping Wang, Gaoxi Xiao. Demand and Supply Management in Microgrids // Intelligent Mi-crogrid Management and EV Control Under Uncertainties in Smart Grid. 2017:21-44. https://doi.org/10.1007/978-981-10-4250-8_3
14. Bulatov YuN, Kryukov AV. Optimization of automatic regulator settings of the distributed generation plants on the basis of genetic algorithm. In: 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). 19-20 May 2016, Chelyabinsk. Chelyabinsk: IEEE; 2016, p. 1-6. https://doi.org/10.1109/ICIEAM.2016.7911456
15. Kryukov AV, Kargapol'cev SK, Bulatov YuN, Skryp-nik ON, Kuznetsov BF. Intelligent control of the regulators adjustment of the distributed generation installation. Far East Journal of Electronics and Communications. 2017; 17(5): 1127-1140. https://doi.org/10.17654/EC017051127
16. Bulatov YuN, Kryukov AV. Application of the wavelet transform and genetic algorithms for tuning automatic regulators of distributed generators. Nauchnyi vestnik Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta = Science Bulletin of the Novosibirsk State Technical University. 2016;63(2):7-22. (In Russ.)
17. Bulatov JN, Ignat'ev IV. Program complex for identification of electropower systems and optimization of stabilization factors of automatic field regulators. Siste-my. Metody. Tekhnologii = Systems. Methods. Technology. 2010;4:106-113. (In Russ.)
18. Camacho EF, Bordons C. Model Predictive Control. London: Springer-Verlag; 2007, 405 p.
19. Pikina GA. Forecast management principle and possibility to configure regulation systems by a single parameter. Novoe v rossijskoj elektroenergetike = New in Russian Electrical Power-Engineering. 2014;3:5-13. (In Russ.)
20. Bulatov YuN, Kryukov AV, Nguyen Van Huan. Automatic prognostic regulators of distributed generators. In: International Multi-Conference on Industrial Engineering and Modern Technologies. 03-04 October 2018, Vladivostok. Vladivostok: IEEE; 2018;463:1-4. https://doi.org/10.1109/FarEastCon.2018.8602718
Authorship criteria
Bulatov Yu.N. has developed algorithms for coordinating controller settings and a computer model of the power supply system and a steam turbine installation of distributed generation. Kryukov A.V. has developed the concept of using predictive regulators for distributed generation installations. Nguyen van Huang participated in coordination algorithm development and performed mode simulation. All the authors bear the responsibility for plagiarism.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Conflict of interests
The authors declare that there is no conflict of interests regarding the publication of this article.
Все авторы прочитали и одобрили окончательный вариант рукописи.
The final manuscript has been read and approved by all the co-authors.
СВЕДЕНИЯ ОБ АВТОРАХ
Булатов Юрий Николаевич,
кандидат технических наук, доцент, заведующий кафедрой электроэнергетики и электротехники,
Братский государственный университет, 665709, г. Братск, ул. Макаренко 40, Россия; Н e-mail: bulatovyura@yandex.ru
Крюков Андрей Васильевич,
доктор технических наук, профессор кафедры электроснабжения и электротехники,
Иркутский национальный исследовательский
технический университет,
664074, г. Иркутск, ул. Лермонтова, 83, Россия;
профессор кафедры электроэнергетики транспорта,
Иркутский государственный университет
путей сообщения,
664074, г. Иркутск, ул. Чернышевского, 15, Россия; e-mail: and_kryukov@mail.ru
Нгуен Ван Хуан,
аспирант,
Иркутский национальный исследовательский технический университет, 664074, г. Иркутск, ул. Лермонтова, 83, Россия; e-mail: huanco.k7a@gmail.com
INFORMATION ABOUT THE AUTHORS Yuri N. Bulatov,
Cand. Sci. (Eng.), Associate Professor, Head of the Department of Power Supply and Electrical Engineering, Bratsk State University, 40 Makarenko St., Bratsk 665709, Russia H e-mail: bulatovyura@yandex.ru
Andrey V. Kryukov,
Dr. Sci. (Eng.),
Professor of the Department of Power Supply and Electrical Engineering, Irkutsk National Research Technical University, 83 Lermontov St., Irkutsk 664074, Russia; Professor of the Department of Transport Electric Energy, 15 Chernyshevsky St., Irkutsk 664074, Russia e-mail: and_kryukov@mail.ru
Nguyen Van Huan,
Postgraduate Student,
Irkutsk National Research Technical University, 83 Lermontov St., Irkutsk 664074, Russia, e-mail: huanco.k7a@gmail.com
