Design and Implementation of Enhanced Load Frequency Control of a Two-Area Power System using the combination of PI–PD Controllers tuned by Lion Optimization Algorithm

In dem riesigen, unsichtbaren Netzwerk, das das moderne Leben antreibt, muss Elektrizität in genau dem Moment erzeugt werden, in dem sie verbraucht wird. Wenn eine Fabrik in einer Stadt plötzlich eine gewaltige Maschine einschaltet oder wenn ein Sturm in einer anderen Region einen Generator ausschaltet, gerät das Gleichgewicht ins Wanken. Dieses Ungleichgewicht lässt den Rhythmus des gesamten Stromnetzes schwanken, ganz ähnlich wie ein Kreisel, der an Geschwindigkeit verliert. Wenn dieser Rhythmus, bekannt als Frequenz, zu weit von seinem Zielwert abweicht, können empfindliche Geräte ausfallen, und in schweren Fällen kann das gesamte System kollabieren, was Millionen von Menschen in die Dunkelheit stürzen lässt. Um dies zu verhindern, verlassen sich Ingenieure auf ein ständiges, automatisches Regelsystem namens Lastfrequenzregelung (Load Frequency Control). Dieses System fungiert als wachsamer Hüter, der ständig wahrnimmt, wann das Netz beschleunigt oder langsamer wird, und Kraftwerke anweist, ihre Leistung zu steigern oder zu drosseln, um das perfekte Gleichgewicht wiederherzustellen. In einer Welt, in der Kraftwerke oft über verschiedene Regionen verteilt und durch lange Übertragungsleitungen miteinander verbunden sind, wird die Aufrechterhaltung dieses Rhythmus zu einem komplexen Puzzle aus Koordination und Geschwindigkeit.

Ein Team von Forschern der Anna University in Chennai und mehreren Ingenieurhochschulen in Tamil Nadu hat dieses Rätsel gelöst, indem sie einen neuen Weg zur Abstimmung der automatischen Regler testete, die dieses Gleichgewicht steuern. Sie konzentrierten sich auf ein Modell eines Zwei-Gebiete-Stromsystems – eine vereinfachte Darstellung zweier Regionen, die durch eine Übertragungsleitung verbunden sind –, um zu sehen, wie verschiedene Steuerungsstrategien mit plötzlichen Änderungen der Nachfrage umgehen. Die Forscher verglichen traditionelle Methoden zur Einstellung dieser Regler mit einem neuen Ansatz, der zwei Arten von Steuerungslogik kombiniert und einen Computeralgorithmus verwendet, der vom Sozialverhalten von Löwen inspiriert ist, um die optimalen Einstellungen zu finden. Ihre Arbeit, die durch detaillierte Computersimulationen durchgeführt wurde, legt nahe, dass diese neue Kombination im Vergleich zu anderen modernen Techniken eine schnellere und stabilere Methode darstellt, um den Rhythmus des Netzes stabil zu halten.

Der Kern der Studie liegt darin, wie diese Regler „abgestimmt“ werden. Stellen Sie sich einen Thermostat vor, der eine Heizung steuert; wenn er zu empfindlich ist, wird die Raumtemperatur zwischen heiß und kalt wild schwanken. Wenn er nicht empfindlich genug ist, wird es ewig dauern, bis der Raum warm wird. In Stromsystemen müssen die Regler mit extremer Präzision eingestellt werden, um schnell auf Störungen zu reagieren, ohne dass das System über das Ziel hinausschießt und oszilliert. Die Forscher testeten drei verschiedene Konfigurationen: einen Regler, der Proportional- und Integralanteile nutzt, einen, der Proportional- und Differenzialanteile nutzt, und eine Hybridversion, die beide kombiniert. Dann verwendeten sie ein naturinspiriertes Computerprogramm namens Lion Optimization Algorithm, um die perfekten Einstellungen für diese Regler zu finden. Dieser Algorithmus ahmt nach, wie Löwen jagen und ihr Revier verteidigen, wobei Gruppen zusammenarbeiten, um den Suchraum zu erkunden und die effizienteste Lösung zu finden, während andere unabhängig herumstreifen, um sicherzustellen, dass keine gute Option übersehen wird.

Um zu sehen, ob diese neue Methode funktionierte, simulierten die Forscher eine plötzliche, kleine Erhöhung der elektrischen Nachfrage, die einem Anstieg der Last um ein Prozent entsprach, und beobachteten, wie das System reagierte. Sie maßen drei kritische Faktoren: wie lange es dauerte, bis sich die Frequenz wieder normalisierte (Einschwingzeit), wie stark die Frequenz über ihr Ziel hinausschiess (Überschwingen) und den gesamten akkumulierten Fehler über die Zeit. Als sie die Ergebnisse dieser vom Löwen inspirierten Abstimmung mit anderen populären computergestützten Optimierungsmethoden verglichen – etwa solchen, die Ameisenkolonien, Vogelschwärme oder Wolfsrudeln nachempfunden sind –, schnitt der löwenbasierte Ansatz konsistent besser ab. Für den durch den Löwen-Algorithmus abgestimmten kombinierten Regler stabilisierte sich das System in nur acht Sekunden, mit einem minimalen Überschwingen von nur zwei Prozent und einem sehr niedrigen Gesamtfehlerwert von 0,020. Im Gegensatz dazu benötigte derselbe Regler, der mit einer Standardmethode abgestimmt wurde, 18 Sekunden zur Stabilisierung bei einem Überschwingen von acht Prozent.

Die Studie analysierte auch die Leistung der einzelnen Reglertypen. Als die Forscher den Löwen-Algorithmus auf den Proportional-Integral-Regler anwandten, sank die Einschwingzeit von konventionellen 25 Sekunden auf 13 Sekunden und das Überschwingen wurde halbiert. Ähnlich verhielt es sich beim Proportional-Differenzial-Regler: Die Zeit bis zur Stabilisierung sank von 22 Sekunden auf 11 Sekunden. Den signifikantesten Fortschritt jedoch erzielte der Hybridregler, der die Stärken beider Ansätze nutzte. Die Forscher fanden heraus, dass diese kombinierte Struktur, abgestimmt durch den Löwen-Algorithmus, jede andere getestete Konfiguration übertraf. Sie erreichte die schnellste Reaktion, die geringste Abweichung von der Zielfrequenz und die niedrigste Fehlerakkumulation. Die Daten deuten darauf hin, dass diese spezifische Kombination aus Steuerungslogik und Optimierungsmethode eine überlegene dynamische Antwort liefert und die Oszillationen, die auftreten, wenn das Netz gestört wird, effektiv dämpft.

Obwohl die Ergebnisse vielversprechend sind, basieren die Erkenntnisse ausschließlich auf Computersimulationen eines Zwei-Gebiete-Systems. Die Forscher haben dies nicht an einem physischen Stromnetz getestet, aber die verwendeten mathematischen Modelle sind Standardwerkzeuge zum Verständnis des Netzverhaltens. Die Studie schließt explizit die Vorstellung aus, dass traditionelle Abstimmungsverfahren oder andere naturinspirierte Algorithmen wie jene, die auf Wölfen oder Ameisen basieren, für diese spezifische Aufgabe ebenso effektiv sind. Die Autoren kommen zu dem Schluss, dass die löwenbasierte Abstimmung des kombinierten Reglers die effizienteste Strategie unter den getesteten ist und eine hochwirksame Lösung zur Aufrechterhaltung der Stabilität bietet. Sie schlagen vor, dass dieser Ansatz auf komplexere Systeme, einschließlich solcher mit erneuerbaren Energien, ausgeweitet werden könnte, was jedoch ein zukünftiger Schritt bleibt. Für den Moment beweist die Simulation, dass Ingenieure durch das Ausleihen der strategischen Jagdtaktiken von Löwen Regler entwerfen können, die das Licht mit größerer Geschwindigkeit und Präzision am Brennen halten.