TW201815032A - 單相感應發電機的自激電容配置方法 - Google Patents

單相感應發電機的自激電容配置方法 Download PDF

Info

Publication number
TW201815032A
TW201815032A TW105132252A TW105132252A TW201815032A TW 201815032 A TW201815032 A TW 201815032A TW 105132252 A TW105132252 A TW 105132252A TW 105132252 A TW105132252 A TW 105132252A TW 201815032 A TW201815032 A TW 201815032A
Authority
TW
Taiwan
Prior art keywords
capacitance
individual
individuals
candidate
capacitor
Prior art date
Application number
TW105132252A
Other languages
English (en)
Other versions
TWI628901B (zh
Inventor
張文宇
Original Assignee
聖約翰科技大學
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 聖約翰科技大學 filed Critical 聖約翰科技大學
Priority to TW105132252A priority Critical patent/TWI628901B/zh
Publication of TW201815032A publication Critical patent/TW201815032A/zh
Application granted granted Critical
Publication of TWI628901B publication Critical patent/TWI628901B/zh

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一種單相感應發電機的自激電容配置方法,該自激電容配置方法係包括:(a)設定複數個個體;(b)以隨機方式決定該些個體的參數;(c)藉由該些個體的參數計算每個個體的整體電壓變化率;(d)藉由每個個體的整體電壓變化率選出複數個獲選個體、複數個落選個體;(e)隨機交換每個獲選個體的其中之一參數為複數個獲選子個體,以及隨機改變至少一個落選個體的其中之一參數為至少一個突變子個體;(f)由該些獲選個體、該些獲選子個體與該些突變子個體選出一確選個體;及(g)判斷該確選個體的電壓變化率是否於一誤差收斂範圍內。

Description

單相感應發電機的自激電容配置方法
本創作係有關一種單相感應發電機的自激電容配置方法,尤指一種應用基因演算法的單相感應發電機的自激電容配置方法。
習知之感應電動機分單向感應電以及三向感應電動機,當感應電動機接在頻率為f的交流電運轉時,轉速n與交流電頻率f之間不存在同步電動機那樣的恆定的比例關係。同步轉速和轉子轉速之間有轉差,轉差率通常介於3%到10%。當感應電動機外加一動力,使得感應電動機的轉速超過同步轉速時,則會變成發電機。感應發電機因具有一些同步發電機所沒有的優點,諸如結構簡單、價錢便宜、維護費低以及沒有直流激磁裝置。所以感應發電機很適合於一些較小型的發電設備上,像風力發電機、小型的水力發電機以及引擎帶動的發電機等等。對於偏遠地區及特殊場所的用電而言,不失為一種良好的選擇。
感應機的電容自激現象雖然早在50~60年前就被發現了,但由於無法提出有效的方法來控制負載端電壓的變動,所以較不受到大家的重視。一直到近年來,由於綠能科技的抬頭,才陸續有關激感應發電機(SEIG)的研究以及應用。首先,因為感應發電機具有一些同步發電機所沒有的優點,例如單位成本低、結構堅固、不需直流激磁、沒有電刷 (鼠籠型轉子) 以及維護費低等等。因此,感應發電機用於偏遠的鄉下地區,做為獨立的發電設備,有著不錯的發電功效。所以,目前的感應發電機被認為是一種相當不錯的小型發電設備。
而感應發電機中,又以單相感應發電機之應用領域為最廣。但由於單相感應發電機所發出來的負載端電壓容易受到負載電流的影響,造成單相感應發電機的發電效能低落。為解決上述狀況,因此習知之單相感應發電機皆會外加自激電容器,以提升單相感應發電機的發電效能。但現有單相感應發電機之雙繞組自激磁架構中,現行決定自激電容器候選容值的方法,大多藉由利用嘗試法決定出一組適當的電容候選容值(Appropriate Value)。因此,無法達到自激電容器候選容值最佳化的結果,而無法有效降低負載端電壓的變動。
因此,針對單相感應發電機之雙繞組自激磁架構中、最佳化並聯電容器與串聯電容器的電容候選容值。並利用強化型基因演算法為基礎,設計出一套提升感應發電機效能的的策略與方法,乃為本案創作人所欲行克服並加以解決的一大課題。
為了解決上述問題,本發明係提供一種單相感應發電機的自激電容配置方法,以克服習知技術的問題。因此,本發明第一實施例中,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係串聯一串聯電容再並聯一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括:(a)設定複數個個體,每個個體包含該串聯電容的候選容值與該並聯電容的候選容值。(b)以隨機方式決定該些個體的該串聯電容的候選容值與該並聯電容的候選容值。(c)藉由每個個體的該串聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率。(d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體。(e1)隨機交換每個獲選個體的該串聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體。(e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該串聯電容的候選容值或該並聯電容的候選容值。(f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率。(g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內。其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該串聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
於第一實施例中,其中步驟(f)更包括:(g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
於第一實施例中,其中步驟(g1)之後更包括:(g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該串聯電容的候選容值與該並聯電容的候選容值。
於第一實施例中,其中步驟(d)更包括:(d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
為了解決上述問題,本發明係提供一種單相感應發電機的自激電容配置方法,以克服習知技術的問題。因此,本發明第二實施例中,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係並聯一主繞組短並聯電容再串聯一串聯電容與一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括:(a)設定複數個個體,每個個體包含該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值。(b)以隨機方式決定該些個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值。(c)藉由每個個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率。(d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體。(e1)隨機交換每個獲選個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體。(e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該主繞組短並聯電容的候選容值、該串聯電容的候選容值或該並聯電容的候選容值。(f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率。(g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內。其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
於第二實施例中,其中步驟(f)更包括:(g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
於第二實施例中,其中步驟(g1)之後更包括:(g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值。
於第二實施例中,其中步驟(d)更包括:(d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
為了解決上述問題,本發明係提供一種單相感應發電機的自激電容配置方法,以克服習知技術的問題。因此,本發明第三實施例中,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係串聯一串聯電容再並聯一主繞組長並聯電容與一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括:(a)設定複數個個體,每個個體包含該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值。(b)以隨機方式決定該些個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值。(c)藉由每個個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率。(d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體。(e1)隨機交換每個獲選個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體。(e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該串聯電容的候選容值、該主繞組長並聯電容的候選容值或該並聯電容的候選容值。(f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率。(g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內。其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
於第三實施例中,其中步驟(f)更包括:(g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
於第三實施例中,其中步驟(g1)之後更包括:(g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值。
於第三實施例中,其中步驟(d)更包括:(d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
為了能更進一步瞭解本發明為達成預定目的所採取之技術、手段及功效,請參閱以下有關本發明之詳細說明與附圖,相信本發明之目的、特徵與特點,當可由此得一深入且具體之瞭解,然而所附圖式僅提供參考與說明用,並非用來對本發明加以限制者。
本發明針對三種單相感應發電機(Single-Phase Induction Generator)自激磁接線方式的串並聯自激電容候選容值,提出以強化型基因演算法(Enhanced Genetic Algorithm)為基礎的最佳自激電容配置方法,用以改善自激式單相感應發電機的電壓變化率得到最佳運轉效能。三種接線方式分別為(1)雙繞組自激磁-主繞組串聯電容器架構,(2)雙繞組自激磁-主繞組短並聯架構,(3)雙繞組自激磁-主繞組長並聯架構。
本發明所提出的最佳自激電容配置方法是在單相感應發電機處於變動轉速與變動負載的運轉條件限制下,能將自激式單相感應發電機的負載端整體電壓變化率降至最低。電容最佳化選擇策略將以強化型基因演算法決定輔助繞組並聯電容的最佳值與主繞組串聯電容與並聯電容的最佳值,以作為自激電容之配置。
基因演算法是一種以達爾文(Darwin)的「自然進化(Natural Evolution)」和門德斯(Mendes)的「基因變異(Genetic Variation)」等理論為基礎的自適應、啟發式、隨機、全面的最佳化搜尋演算法。基因演算法經由評估、選取、交配、突變等機制,而具有高效能、平行處理、全面搜尋的特性。在基因演算法中每一個體稱做染色體(Chromosome),每一染色體的基因值是由亂數產生,而每一世代所有染色體所成的集合稱做群體(Population)。在每一世代中各個染色體互相競爭,較適合生存的染色體具有較高的適應度(Fitness value),有較高的適應度的染色體有權複製出較多的子世代,然後從其中選擇兩個染色體配對進行交配(Crossover)產生下一代個體,以期可以產生適應度更高的下一代個體。為了避免錯失某些有用的特徵,加入突變(Mutation)的處理,產生具有其他特徵的個體。如此一代一代的演化下去,最後將產生適應度最佳的個體,此個體便是基因演算法搜尋的最佳解。
而強化型基因演算法(Enhanced Genetic Algorithm,EGA)則是基因演算法的強化版,具有自適應交配和突變的功能。強化型基因演算法在搜尋最佳個體的過程中加入自適應性功能,強化型基因演算法根據個體的不同條件自適應的調整交配和突變的機率,以保持群體的多樣性並防止過早收斂,進一步能增強工作的運算速度和精確度。強化型基因演算法的最佳解搜尋可分為以下五個機制,簡要敘述如下:
A.初始群體
初始的群體是一個潛在可行解的集合,最初的一套群體是隨機生成的,潛在可行解的集合包含了一些候選之染色體稱為個體,而每一個個體的參數具有若干基因。
B.評估
在群體中每一個體將由適應度函數進行評價,本發明將以單相感應發電機之整體電壓變化率(Total Voltage Variation,TVV)的補數評估在群體中每一個體的適應度。
C.選取
基於適應度較高的父代會產生更好的子代的理論基礎,選取機制的目的是在目前群體中選取優秀個體,而優秀個體將有機會作為父代繁延下一代的後裔。經由選取機制,強化型基因演算法展現了優勝劣敗的達爾文的理論原則,適應度高的個體將被選取。經過選取過程後,適應度高的個體將進行交配機制,從高適應度的父代產生新一代的個體。
D. 交配
交配機制是強化型基因演算法中最重要的遺傳操作,交配機制會將兩個不同的個體在相同的選擇位置進行基因交換,然後產生一個新的個體。經由交配機制,新一代的個體結合了兩種父代的個體特徵,交配的機率是依據(1)式決定:
(1)
其中fmax為群體中各個體最大的適應度,favg是群體各個體的平均適應度,f'是進行交配兩個個體的較大適應度,在實際應用中,通常K1= K3= 1,Pc的值通常在0.5-1.0範圍之內。
其中fmax為群體中各個體最大的適應度,favg是群體各個體的平均適應度,f'是進行交配兩個個體的較大適應度,在實際應用中,通常K1= K3= 1,Pc的值通常在0.5-1.0範圍之內。
E.突變
突變機制提供了一個在新一代產生其他個體特徵的機會,在突變機制中隨機選擇若干個體,然後會將選擇的個體在特定位置進行基因改變,產生一個新的個體,突變的機率是依據(2)式決定:
(2)
其中f是個別突變的適應度,在實際應用中,通常K2= K4=0.05,Pm的值通常在0.005-0.05範圍之內。
經過選取、交配與突變等機制後,將產生一個新的子代群體,這個新的子代群體將重複相同的選取、交配與突變過程,這樣的疊代過程將在已達最大疊代次數或已進入誤差值收斂標準時終止時。
本發明提出一套以強化型基因演算法為基礎的最佳自激電容配置方法,以下將分別針對(1)雙繞組自激磁-主繞組串聯電容器架構之最佳輔助繞組並聯電容器與主繞組串聯電容器配置方法、(2)單繞組自激磁-主繞組短並聯架構之最佳輔助繞組並聯電容器與主繞組短並聯串聯電容器和並聯電容器配置方法、(3)單繞組自激磁-主繞組長並聯架構之最佳輔助繞組並聯電容器與主繞組長並聯串聯電容器和並聯電容器配置方法提出詳細說明,最佳化自激電容配置之目標為使電壓變化降至最低,以提高單相感應發電機之運轉效能。
請參閱圖1係為本發明第一實施例之單相感應發電機電路結構圖。如圖1所示,該單相感應發電機100係為雙繞組自激磁-主繞組串聯電容器架構。該主繞組串聯電容之單相感應發電機100包括一轉子10與一定子20,且該轉子10藉由一原動機30帶動。原動機30係將該轉子10順著磁場旋轉方向拖動,並使其轉速超過同步轉速時感應電動機就進入為該感應發電機100運行。該定子20包括一主繞組21與一輔助繞組22,該主繞組21係串聯一串聯電容Cse再外接一負載23,該輔助繞組22係並聯一並聯電容Cp。如圖1所示,單相感應發電機100採用雙繞組架構。當該轉子20轉動時,會於該負載23之兩端產生端電壓Vo。因此該負載23之兩端產生端電壓Vo是依據(3)式決定:
(3)
其中,(3)式中的IL為負載電流,RL為負載電阻,XL為負載電抗。有關(3)式中的負載電流IL的求得方式以及主繞組21串聯電容Cse之等效電路以及等效電路的阻抗算法,可由習知的兩相對稱分量等效電路或dq軸等效電路(d-axis & q-axis equivalent circuit)求出,在此不再加以贅述。
本發明之目的為在變動轉速與變動負載的情形下,找出能維持主繞組串聯電容器之單相感應發電機100的負載端整體電壓變化率TVV最小的該並聯電容Cp與該串聯電容Cse。因此,首先先求出該主繞組串聯電容器之單相感應發電機100的電壓變化率(Voltage Variation,VV),電壓變化率的計算方程式如下:
(4)
習知之感應發電機100之轉速變動範圍,通常介於同步轉速至1.2倍同步轉速之間。因此,以同步轉速至1.2倍同步轉速之間為例說明,轉速v(j)可用下式設定(解析度為1000):
(5)
其中v為同步轉速,v(j)為第j個轉速,j=1,2,….,1000。值得一提,上述感應發電機100之轉速變動範圍不以同步轉速至1.2倍同步轉速為限,僅以方便說明為例。換言之,只要能使單向感應電動機可達發電功效之轉速,皆應包含在本實施例之範疇之中。此外,解析度設定為1000,代表轉速由同步轉速至1.2倍同步轉速之間分成1000等分,但不以此為限,僅為方便說明為例。
習知之感應發電機100之負載23變動範圍,通常介於額定負載至0.01倍額定負載之間。功率因數為cosθ為例說明,負載電阻RL(i)與負載電抗XL(i)可用下式設定(解析度為1000):
(6)
(7)
其中ZL為額定負載阻抗,RL(i)為第i個負載電阻,XL(i)為第i個負載電抗,i=1,2,….,1000。值得一提,上述感應發電機100之負載23變動範圍不以額定負載至0.01倍額定負載為限,僅以方便說明為例。此外,解析度設定為1000,代表轉速由額定負載至0.01倍額定負載之間分成1000等分,但不以此為限,僅為方便說明為例。
本發明應用強化型基因演算法的目標為在變動轉速與變動負載的情形下維持整體電壓變化率TVV最小,而本實施例係以轉速範圍設定為同步轉速至1.2倍同步轉速,負載23範圍設定為額定負載至0.01倍額定負載,整體電壓變化率TVV可以下式表示:
(8)
值得一提,上述解析度之大小,代表計算出上述參數所需時間的長短,以及所求出整體電壓變化率TVV的精準度。因此,若解析度低,則代表參數所計算的時間較短,但求出整體電壓變化率TVV的精準度較低。若解析度高,則代表參數所計算的時間較長,但求出整體電壓變化率TVV的精準度較高。
請參閱圖2係為本發明第一實施例之單相感應發電機之自激電容配置方法流程圖。配合參閱圖1,本發明以強化型基因演算法的尋優特性,找出輔助繞組22的並聯電容Cp與主繞組21串聯電容Cse的最佳解,其基本概念為將輔助繞組22的並聯電容Cp與主繞組21串聯電容Cse設為強化型基因演算法每一個個體I的參數,透過群體的尋優過程找出最佳解,以確定輔助繞組22的並聯電容Cp與主繞組21串聯電容Cse的最終值。優化過程包含設定群體數量、定義個體的參數、初始值的設定、適應度函數的計算、選取、交配與突變等機制。該方法流程可由一包含可執行、選擇、運算以及判斷功能之電子裝置(圖未示)實施,且所求得之結果可應用於上述三種結構之感應發電機100之中。
如圖2所示,並配合參閱圖1。該自激電容配置方法係包括:首先,設定複數個個體,每個個體包含該串聯電容的候選容值與該並聯電容的候選容值(S10)。該些個體I的數量N代表每一次疊代過程中參與競爭的該些個體I的數量N,其數量N的多寡直接影響求解的速度。其數量N越多,收斂時間較長,但容易獲得整體最佳解。反之,其數量N若設定太小,雖能減少收斂時間,卻容易陷入局部最佳解。為避免該些個體I的數量N太多而延長收斂時間,以及該些個體I的數量N太少而陷入局部最佳解。因此,於本實施例中該些個體I的數量N設為100個。每個個體I包含輔助繞組22的並聯電容Cp的候選容值與主繞組21的串聯電容Cse的候選容值。然後,以隨機方式決定該些個體的該串聯電容的候選容值與該並聯電容的候選容值(S20)。該自激電容配置方法係以亂數的方式,隨機配置該輔助繞組22的並聯電容Cp的候選容值與主繞組21的串聯電容Cse的候選容值。並藉由每個個體I的並聯電容Cp的候選容值與串聯電容Cse的候選容值代入上述(3)式計算每個個體I的該負載23的一第一端電壓Vo1。值得一提,現有之電容器候選容值之範圍大多介於皮法拉(pico F;pF)至毫法拉(milli F;mF)之間。但為避免亂數決定的參數範圍過大,而導致每個個體I彼此之間的並聯電容Cp的候選容值與串聯電容Cse的候選容值過於極端,因此該亂數決定電容器候選容值範圍以100μF至200μF為最佳。
復參閱圖2,並配合參閱圖1。然後,藉由每個個體的該串聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率(S30)。藉由每個個體I的該負載23的該第一端電壓Vo1,代入上述(4)式可求得每個個體I的電壓變化率VV。再將每個個體I的電壓變化率VV代如上述(8)式,求得每個個體I於變動轉速與變動負載的情形下的整體電壓變化率TVV。藉由強化型基因演算法,可將每個個體I的整體電壓變化率TVV計算出每個個體I的適應度f(k)。本實施例係以每個個體I的整體電壓變化率TVV的補數為該適應度f(k),f(k)之計算如下式所示︰
(9)
其中k為第k個個體,N個體I的數量。一般而言,整體電壓變化率TVV之數值越小,代表整體電壓的變動幅度越小。因此,整體電壓變化率TVV之數值越小越好。而由上述(9)式可得知,該適應度f(k)之數值越大,代表整體電壓的變動幅度越小。因此,該適應度f(k)之數值越大越好。
請參閱圖2,並配合參閱圖1。經過上述步驟後,可得知每個體I的求得每個並聯電容Cp的候選容值與串聯電容Cse的候選容值,以及每個體I的整體電壓變化率TVV。然後,藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體(S40)。求出每個體I的整體電壓變化率TVV後,將每個個體I的整體電壓變化率TVV由大至小排序,該些個體I的整體電壓變化率TVV越小,代表個體I內的並聯電容Cp的候選容值與串聯電容Cse的候選容值越佳,因此會有較大的獲選機率。當選擇出複數個獲選個體Is後,剩餘未獲選的個體I被歸類為複數個落選個體Iu。於本實施例中,係選取20%的獲選個體Is,剩下的80%為該些落選個體Iu。
經過上述選取步驟後,係進入交配以及突變的階段。然後,隨機交換每個獲選個體的該串聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體(S50)。選出該些獲選個體Is後,係隨機交換該些獲選個體Is內的並聯電容Cp的候選容值或該些獲選個體Is內的串聯電容Cse的候選容值。其中交配機率係由上述(1)式所決定,因此該些獲選個體Is的整體電壓變化率TVV需轉換為適應度f(k)後,帶入上述(1)式得到交配機率。由上述(1)式可知,整體電壓變化率TVV越低,交配機率越高。經由交配後,產生新的個體為複數個獲選子個體Iss,該些獲選子個體Iss係保留該些獲選個體Is其中一個的並聯電容Cp的候選容值或串聯電容Cse的候選容值。然後,隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該串聯電容的候選容值或該並聯電容的候選容值(S50’)。雖然,該些落選個體Iu可能代表整體電壓變化率TVV不佳,但由於有可能整體電壓變化率TVV低落的原因為,受到該些落選個體Iu的並聯電容Cp的候選容值或串聯電容Cse的候選容值其中之一的影響。因此,保留突變的機制是為了藉由改變並聯電容Cp的候選容值或串聯電容Cse的候選容值其中之一,以嘗試是否有機率可突變出並聯電容Cp的候選容值與串聯電容Cse的候選容值組合較佳的個體。因此,由上述該些落選個體Iu中,隨機選擇出至少一個該些落選個體Iu,且改變並聯電容Cp的候選容值或串聯電容Cse的候選容值其中之一為至少一個突變子個體Ims。其中突變機率係由上述(2)式所決定,因此該些落選個體Iu的整體電壓變化率TVV需轉換為適應度f(k)後,帶入上述(2)式得到突變機率。由上述(2)式可知,整體電壓變化率TVV越低,突變的機率越高。值得一提,比較上述(1)(2)式可得知,交配的機率遠大於突變的機率。因此,該些獲選子個體Iss的數量通常也大於該突變子個體Ims的數量。
復參閱圖2,並配合參閱圖1。然後,藉由步驟(S30)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率(S60)。由上述交配以及突變的階段取出該些獲選子個體Iss與該些突變子個體Ims後,係經由步驟(S30)的計算方法,求得每一個獲選子個體Iss與突變子個體Ims的該負載23的一第二端電壓Vo2。再藉由步驟(S30)的計算方法,且藉由該第二端電壓Vo2,計算出每一個獲選子個體Iss與突變子個體Ims的整體電壓變化率TVV。
經過上述交配以及突變的階段,且求得整體電壓變化率TVV後,係進入判斷步驟。最後,排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內(S70)。藉由上述步驟(S30)至步驟(S60)可得到每一個獲選子個體Iss、突變子個體Ims以及獲選個體Is的整體電壓變化率TVV。之後,排序該整體電壓變化率TVV的大小,並取出該整體電壓變化率TVV最小的一確選個體Ies,並判斷該確選個體Ies的整體電壓變化率TVV是否於一誤差收斂範圍Rec(error convergence range)內。其中,該誤差收斂範圍Rec係可設定下述態樣。(1)該確選個體Ies的整體電壓變化率TVV是否小於10%以內。(2)比較本次流程所求得的確選個體Ies與下一次流程所求的確選個體Ies的整體電壓變化率TVV差值是否小於10%以內。值得一提,該誤差收斂範圍Rec不以上述態樣為限。換言之,操作者可自我調整該誤差收斂範圍Rec的比例。例如但不限於,操作者調整該誤差收斂範圍Rec為3%,以取得更佳的並聯電容Cp的候選容值與串聯電容Cse的候選容值,以利更精準地控制該感應發電機100。值得一提,本實施例之個體I數量設定為100個。因此,經過上述步驟所求得的該些獲選子個體Iss、該些突變子個體Ims以及該些獲選個體Is的總數量,相等於該些個體I的數量為最佳。
經過上述判斷的階段後,若該確選個體Ies的電壓變化率TVV於該誤差收斂範圍Rec內時,代表該確選個體Ies的並聯電容Cp的候選容值與串聯電容Cse的候選容值為最佳解。此時,選取代表該確選個體Ies的該串聯電容Cse的候選容值與該並聯電容Cp的候選容值,以作為自激電容之配置。若該確選個體Ies的電壓變化率TVV不在該誤差收斂範圍Rec內時,將經由步驟(S10)至(S70)中所求得的該些獲選個體Is、該些獲選子個體Iss以及該些突變子個體Ims設定為該些個體I,並跳回步驟(S30)。重複步驟(S30)至步驟(S70)後,在判斷一次重複步驟(S30)至步驟(S70)所選擇出的確選個體Ies的電壓變化率TVV於該誤差收斂範圍Rec內;該流程(S30)至(S70)係會重複執行,以求得該確選個體Ies的電壓變化率TVV於該誤差收斂範圍Rec內。若步驟(S30)至步驟(S70)重複執行超過一最大疊代次數INmax時,代表可能於步驟(S10)至步驟(S20)所隨機決定該些個體I內的該串聯電容Cse的候選容值與該並聯電容Cp的候選容值較差,導致後續交配及突變步驟後,所衍生出的該些獲選子個體Iss以及該些突變子個體Ims也不佳。因此,選擇該些獲選個體Is、該些獲選子個體Iss以及該些突變子個體Im中,最接近該誤差收斂範圍Rec的一接近個體Ic。此時,可選取代表該接近個體Ic的該串聯電容Cse的候選容值與該並聯電容Cp的候選容值作為自激電容之配置;或重新選擇複數個個體I,並再次執行步驟(S10)至(S70),以嘗試求得該確選個體Ies於該誤差收斂範圍Rec內。值得一提,為避免重複執行步驟(S30)至步驟(S70)之時間過與冗長;或重複執行步驟(S30)至步驟(S70)之次數不夠,而導致該確選個體Ies不易於該誤差收斂範圍Rec內。因此,於本實施例中,該最大疊代次數INmax係設定為2000次為最佳。
請參閱圖3係為本發明第二實施例之單相感應發電機電路結構圖。如圖3所示,該單相感應發電機100係為雙繞組自激磁-主繞組短並聯電容器架構。該短並聯電容之單相感應發電機100A包括一轉子10A與一定子20A,且該轉子10A藉由一原動機30A帶動。原動機30A係將該轉子10A順著磁場旋轉方向拖動,並使其轉速超過同步轉速時感應電動機就進入為該感應發電機100A運行。該定子20A包括一主繞組21A與一輔助繞組22A,該主繞組21A係並聯一短並聯電容Csp後,再串聯一串聯電容Cse與外接一負載23A,該輔助繞組22A係並聯一並聯電容Cp。如圖1所示,單相感應發電機100A採用雙繞組架構。當該轉子20A轉動時,會於該負載23A之兩端產生端電壓Vo。本實施例與第一實施例(請參閱圖1)之差別在於,於主繞組21A之中多並聯了一短並聯電容Csp,但相較於第一實施例之架構,更可降低負載23A端電壓Vo受到負載電流的影響。而本實施例之中,藉由負載23A之端電壓Vo求得該負載23A的整體電壓變化率TVV之算法以及步驟皆相同於第一實施例之敘述,在此不再加以贅述。
請參閱圖4係為本發明第二實施例之單相感應發電機之自激電容配置方法流程圖。配合參閱圖3,本發明以基因演算法的尋優特性,找出輔助繞組22A的並聯電容Cp、主繞組21A串聯電容Cse與短並聯電容Csp的最佳解,其基本概念為將輔助繞組22A的並聯電容Cp、主繞組21A串聯電容Cse與短並聯電容Csp設為強化型基因演算法每一個個體I的參數,透過群體的尋優過程找出最佳解,以確定輔助繞組22A的並聯電容Cp、主繞組21A串聯電容Cse與短並聯電容Csp的最終值。優化過程包含設定群體數量、定義個體的參數、初始值的設定、適應度函數的計算、選取、交配與突變等機制。
如圖4所示,並配合參閱圖3,該自激電容配置方法係包括:首先,設定複數個個體,每個個體包含該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值(S10)。請參閱圖4,並配合參閱圖2~3,本實施例之自激電容配置方法與第一實施例(請參閱圖2)最大差異在於,該些個體I中增加了該主繞組21A短並聯電容Csp的候選容值。除了該主繞組21A短並聯電容Csp的候選容值之參數不同之外,步驟(S10)至步驟(S70)之流程以及判斷方式皆相同於圖2,在此不再加以贅述。
請參閱圖5係為本發明第三實施例之單相感應發電機電路結構圖。如圖5所示,該單相感應發電機100係為雙繞組自激磁-主繞組長並聯電容器架構。該長並聯電容之單相感應發電機100B包括一轉子10B與一定子20B,且該轉子10B藉由一原動機30B帶動。原動機30B係將該轉子10B順著磁場旋轉方向拖動,並使其轉速超過同步轉速時感應電動機就進入為該感應發電機100B運行。該定子20B包括一主繞組21B與一輔助繞組22B,該主繞組21B係串聯一串聯電容Cse後,再並聯一長並聯電容Clp與外接一負載23B,該輔助繞組22B係並聯一並聯電容Cp。如圖1所示,單相感應發電機100B採用雙繞組架構。當該轉子20B轉動時,會於該負載23B之兩端產生端電壓Vo。本實施例與第一實施例(請參閱圖1)之差別在於,於主繞組21B之中多並聯了一長並聯電容Clp,但相較於第一實施例之架構,更可降低負載23B端電壓Vo受到負載電流的影響。而本實施例之中,藉由負載23B之端電壓Vo求得該負載23B的整體電壓變化率TVV之算法以及步驟皆相同於第一實施例之敘述,在此不再加以贅述。
請參閱圖6係為本發明第三實施例之單相感應發電機之自激電容配置方法流程圖,配合參閱圖5,本發明以基因演算法的尋優特性,找出輔助繞組22B的並聯電容Cp、主繞組21B串聯電容Cse與長並聯電容Clp的最佳解,其基本概念為將輔助繞組22B的並聯電容Cp、主繞組21B串聯電容Cse與長並聯電容Clp設為強化型基因演算法每一個個體I的參數,透過群體的尋優過程找出最佳解,以確定輔助繞組22B的並聯電容Cp、主繞組21B串聯電容Cse與長並聯電容Clp的最終值。優化過程包含設定群體數量、定義個體的參數、初始值的設定、適應度函數的計算、選取、交配與突變等機制。
如圖6所示,並配合參閱圖5,該自激電容配置方法係包括:首先,設定複數個個體,每個個體包含該主繞組長並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值(S10)。請參閱圖6,並配合參閱圖2、5,本實施例之自激電容配置方法與第一實施例(請參閱圖2)最大差異在於,該些個體I中增加了該主繞組21B長並聯電容Clp的候選容值。除了該主繞組21B長並聯電容Clp的候選容值之參數不同之外,步驟(S10)至步驟(S70)之流程以及判斷方式皆相同於圖2,在此不再加以贅述。
綜上所述,本發明係具有以下之優點:
1、相較於現行決定自激電容器候選容值的嘗試法,本發明所提供的自激電容配置方法無須重複進行更換容值、測試整體電壓變化率TVV之步驟,因此,可達快速地求出串聯電容的候選容值與該並聯電容的候選容值之功效;
2、相較於現行決定自激電容器候選容值的嘗試法,本發明所提供的自激電容配置方法可逐漸逼近最佳的整體電壓變化率TVV,因此,可達準確地求出串聯電容的候選容值與該並聯電容的候選容值之功效;
3、利用強化型機因演算法的突變步驟,可達避免求得之串聯電容的候選容值與該並聯電容的候選容值陷入局部最佳解之功效;
4、利用精準的串聯電容的候選容值與該並聯電容的候選容值可達提升感應發電機100整體發電效率之功效。
惟,以上所述,僅為本發明較佳具體實施例之詳細說明與圖式,惟本發明之特徵並不侷限於此,並非用以限制本發明,本發明之所有範圍應以下述之申請專利範圍為準,凡合於本發明申請專利範圍之精神與其類似變化之實施例,皆應包括於本發明之範疇中,任何熟悉該項技藝者在本發明之領域內,可輕易思及之變化或修飾皆可涵蓋在以下本案之專利範圍。
100、100A、100B‧‧‧感應發電機
10、10A、10B‧‧‧轉子
20、20A、20B‧‧‧定子
30、30A、30B‧‧‧原動機
21、21A、21B‧‧‧主繞組
22、22A、22B‧‧‧輔助繞組
23、23A、23B‧‧‧負載
Vo‧‧‧端電壓
Vo1‧‧‧第一端電壓
Vo2‧‧‧第二端電壓
Cse‧‧‧串聯電容
Cp‧‧‧並聯電容
Csp‧‧‧短並聯電容
Clp‧‧‧長並聯電容
I‧‧‧個體
N‧‧‧數量
Is‧‧‧獲選個體
Iu‧‧‧落選個體
Iss‧‧‧獲選子個體
Ims‧‧‧突變子個體
Ies‧‧‧確選個體
Ic‧‧‧接近個體
Rec‧‧‧誤差收斂範圍
INmax‧‧‧最大疊代次數
VV‧‧‧電壓變化率
TVV‧‧‧整體電壓變化率
f(k)‧‧‧適應度
(S10)~(S70)‧‧‧步驟
圖1係為本發明第一實施例之單相感應發電機電路結構圖;
圖2係為本發明第一實施例之單相感應發電機之自激電容配置方法流程圖;
圖3係為本發明第二實施例之單相感應發電機電路結構圖;
圖4係為本發明第二實施例之單相感應發電機之自激電容配置方法流程圖;
圖5係為本發明第三實施例之單相感應發電機電路結構圖;
圖6係為本發明第三實施例之單相感應發電機之自激電容配置方法流程圖。

Claims (12)

  1. 一種單相感應發電機的自激電容配置方法,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係串聯一串聯電容再並聯一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括: (a)設定複數個個體,每個個體包含該串聯電容的候選容值與該並聯電容的候選容值; (b)以隨機方式決定該些個體的該串聯電容的候選容值與該並聯電容的候選容值; (c)藉由每個個體的該串聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率; (d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體; (e1)隨機交換每個獲選個體的該串聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體; (e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該串聯電容的候選容值或該並聯電容的候選容值; (f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率; (g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內; 其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該串聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
  2. 如申請專利範圍第1項所述之自激電容配置方法,其中步驟(f)更包括: (g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
  3. 如申請專利範圍第3項所述之自激電容配置方法,其中步驟(g1)之後更包括: (g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該串聯電容的候選容值與該並聯電容的候選容值。
  4. 如申請專利範圍第1項所述之自激電容配置方法,其中步驟(d)更包括: (d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
  5. 一種單相感應發電機的自激電容配置方法,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係並聯一主繞組短並聯電容再串聯一串聯電容與一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括: (a)設定複數個個體,每個個體包含該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值; (b)以隨機方式決定該些個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值; (c)藉由每個個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率; (d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體; (e1)隨機交換每個獲選個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體; (e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該主繞組短並聯電容的候選容值、該串聯電容的候選容值或該並聯電容的候選容值; (f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率; (g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內; 其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
  6. 如申請專利範圍第5項所述之自激電容配置方法,其中步驟(f)更包括: (g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
  7. 如申請專利範圍第6項所述之自激電容配置方法,其中步驟(g1)之後更包括: (g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該主繞組短並聯電容的候選容值、該串聯電容的候選容值與該並聯電容的候選容值。
  8. 如申請專利範圍第5項所述之自激電容配置方法,其中步驟(d)更包括: (d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
  9. 一種單相感應發電機的自激電容配置方法,該單相感應發電機係包括一主繞組與一輔助繞組,該主繞組係串聯一串聯電容再並聯一主繞組長並聯電容與一負載,該輔助繞組係並聯一並聯電容,該自激電容配置方法係包括: (a)設定複數個個體,每個個體包含該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值; (b)以隨機方式決定該些個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值; (c)藉由每個個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值計算每個個體的該負載的一第一端電壓,並藉由該第一端電壓計算每個個體的整體電壓變化率; (d)藉由每個個體的整體電壓變化率選出複數個獲選個體,未被獲選的個體為複數個落選個體; (e1)隨機交換每個獲選個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值或該並聯電容的候選容值,並產生複數個獲選子個體; (e2)隨機選擇該些落選個體中的至少一個為至少一個突變子個體,並隨機改變該些突變子個體內的該串聯電容的候選容值、該主繞組長並聯電容的候選容值或該並聯電容的候選容值; (f)藉由步驟(c)計算每個獲選子個體與每個突變子個體的該負載的一第二端電壓,並藉由該第二端電壓計算每個獲選子個體與每個突變子個體的整體電壓變化率; (g)排序該些獲選個體、該些獲選子個體以及該些突變子個體的整體電壓變化率之大小,並選取整體電壓變化率最小的一確選個體,並判斷該確選個體的電壓變化率是否於一誤差收斂範圍內; 其中,若該確選個體的電壓變化率於該誤差收斂範圍內時,選取代表該確選個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值,以作為自激電容之配置。
  10. 如申請專利範圍第9項所述之自激電容配置方法,其中步驟(f)更包括: (g1)若該確選個體的電壓變化率不在該誤差收斂範圍內時,將該些獲選個體、該些獲選子個體以及該些突變子個體設定為該些個體,並跳回步驟(c)。
  11. 如申請專利範圍第10項所述之自激電容配置方法,其中步驟(g1)之後更包括: (g2)若步驟(c)至步驟(g1)重複執行超過一最大疊代次數時,選擇該些獲選個體、該些獲選子個體以及該些突變子個體中,最接近該誤差收斂範圍的一接近個體,並選取代表該接近個體的該串聯電容的候選容值、該主繞組長並聯電容的候選容值與該並聯電容的候選容值。
  12. 如申請專利範圍第9項所述之自激電容配置方法,其中步驟(d)更包括: (d1)將每個個體的整體電壓變化率由大至小排序,該些個體的整體電壓變化率越小,會有越大的獲選機率。
TW105132252A 2016-10-05 2016-10-05 單相感應發電機的自激電容配置方法 TWI628901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW105132252A TWI628901B (zh) 2016-10-05 2016-10-05 單相感應發電機的自激電容配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105132252A TWI628901B (zh) 2016-10-05 2016-10-05 單相感應發電機的自激電容配置方法

Publications (2)

Publication Number Publication Date
TW201815032A true TW201815032A (zh) 2018-04-16
TWI628901B TWI628901B (zh) 2018-07-01

Family

ID=62639375

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105132252A TWI628901B (zh) 2016-10-05 2016-10-05 單相感應發電機的自激電容配置方法

Country Status (1)

Country Link
TW (1) TWI628901B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3832625A (en) * 1973-02-26 1974-08-27 Westinghouse Electric Corp Electrical power generating arrangement and method utilizing an induction generator
US4417194A (en) * 1980-09-18 1983-11-22 The Charles Stark Draper Laboratory, Inc. Induction generator system with switched capacitor control
US6788031B2 (en) * 2001-01-26 2004-09-07 Larry Stuart Pendell Induction generator system and method
KR20060055046A (ko) * 2004-11-17 2006-05-23 삼성전자주식회사 단상유도전동기 및 그 소음 저감 방법

Also Published As

Publication number Publication date
TWI628901B (zh) 2018-07-01

Similar Documents

Publication Publication Date Title
Harrouz et al. Control of a small wind turbine system application
Loucif et al. Backstepping control of double fed induction generator driven by wind turbine
CN110829495A (zh) 一种永磁直驱同步风电场等值模型参数辨识方法
Ribeiro et al. A Posteriori Strategy to Identify Robust Solutions in the Many-Objective Design Optimization of an Axial-Flux Permanent Magnet Synchronous Generator
Gautam et al. An intelligent BWO algorithm-based maximum power extraction from solar-PV-powered BLDC motor-driven light electric vehicles
TWI628901B (zh) 單相感應發電機的自激電容配置方法
Petrila et al. Fuzzy logic based MPPT controller for a small wind turbine system
Lin Modelling and control of six‐phase induction motor servo‐driven continuously variable transmission system using blend modified recurrent Gegenbauer orthogonal polynomial neural network control system and amended artificial bee colony optimization
CN111082470A (zh) 含低风速分散式风电的配电网多目标动态鲁棒重构方法
Asri et al. An adaptive fuzzy proportional integral method for maximum power point tracking control of permanent magnet synchronous generator wind energy conversion system
Kumaresan Design optimisation and speed extension of wind-driven self-excited induction generators—a new approach
Hussien et al. Improving the delivered power quality from WECS to the grid based on PMSG control model
Sharma et al. Performance analysis of self excited induction generator using Artificial Bee Colony algorithm
Bharathidasan et al. Coordinated controller design of PMSG‐based wind turbine using response surface methodology and NSGAII
Tutkun et al. Determination of capacitance range in the self-excited induction generator through the hybrid genetic algorithms
Anagreh et al. Genetic algorithm-based performance analysis of self-excited induction generator
Manasa et al. A comparative study of maximum power tracking of turbines of wind energy conversion systems
CN110912148A (zh) 一种用于加强弱送端网架强度的无功配置方法及系统
Polat et al. A New MPPT Method with Fuzzy Logic Tuning in Small Scale Wind Energy Conversion Systems
Huang et al. Multi-objective preference optimization method of permanent magnet assisted reluctance motor
El Kinani et al. Sensitivity analysis of a dual excitation synchronous wind generator design model
Radosavljevic et al. A genetic algorithm-based approach for a general steady-state analysis of three-phase self-excited induction generator
JP4676176B2 (ja) 太陽光発電システムの制御方法
Sharaf et al. Particle Swarm Optimization PSO: A new search tool in power system and electro technology
Mutluer An approach based on non-dominated sorting genetic algorithm iii for design of permanent magnet synchronous motor

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees