روش ﺟﺪﻳﺪ ﺑﺮاي ﺣﺬف ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎي اﻳﻨﻮرﺗﺮ ﭼﻨﺪ ﺳﻄﺤﻲ ﺗﻮﺳﻂ ﺷﺒﻜﻪ ﻫﺎي ﻋﺼﺒﻲ

در روش اول ﺑﺴﺘﻪ ﺑﻪ ﺣﻮزه ﻛﺎري، ﻣﻲ ﺗﻮان از اﻳﻨﻮرﺗﺮي ﺑﺎ ﺗﻌﺪاد ﻃﺒﻘﺎت ﺑﻴﺸﺘﺮ اﺳﺘﻔﺎده ﻧﻤﻮد ﺗﺎ ﻣﻌﺎدﻻت ﺳﻴﺴﺘﻢ در ﻧﺎﺣﻴﻪ وﺳﻴﻌﺘﺮي ﻗﺎﺑﻞ ﺣﻞ ﺷﻮد. اﻟﺒﺘﻪ اﻳﻦ روش زﻣﺎﻧﻲ ﻗﺎﺑﻞ اﺳﺘﻔﺎده اﺳﺖ ﻛﻪ اﺿﺎﻓﻪ ﻛﺮدن ﻃﺒﻘﺎت، ﻣﻨﺠﺮ ﺑﻪ ﺷﻜﺴﺖ ﻋﺎﻳﻘﻲ ﻧﺸﻮد. در روش دوم ﺑﻪ ﻣﻨﻈﻮر ﭘﻮﺷﺶ دادن ﻧﺎﺣﻴﻪ ﻫﺎﻳﻲ ﻛﻪ ﻣﻌﺎدﻻت ﺟﻮاب ﻧﺪارﻧﺪ، از ﻳﻚ ﻫﺎرﻣﻮﻧﻴﻚ از ﻣﺮﺗﺒﻪ ﻫﺎي ﺑﺎﻻﺗﺮ و در ﻧﺘﻴﺠﻪ ﻳﻚ ﻣﻌﺎدﻟﻪ ﺻﺮﻓﻨﻈﺮ ﻣﻲ ﺷﻮد. اﻟﺒﺘﻪ ﺗﻌﺪاد ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎي ﺻﺮﻓﻨﻈﺮ ﺷﺪه ﺑﻪ ﻧﻘﻄﻪ ﻛﺎري اﻳﻨﻮرﺗﺮ ﺑﺴﺘﮕﻲ دارد. ﺑﺮاي رﺳﻴﺪن ﺑﻪ ﻫﺮ ﻛﺪام از اﻫﺪاف اﺷﺎره ﺷﺪه، ﺑﺎﻳﺪ ﻳﻚ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﻫﺎرﻣﻮﻧﻴﻚ ﻣﺘﺸﻜﻞ از n ﻣﻌﺎدﻟﻪ و m ﻣﺠﻬﻮل، ﻛﻪ n ﻣﻲ ﺗﻮاﻧﺪ ﻛﻤﺘﺮ از m، ﻳﺎ ﻣﺴﺎوي ﺑﺎ آن ﺑﺎﺷﺪ، ﺣﻞ ﺷﻮد. در اﻳﻦ ﻣﻘﺎﻟﻪ از ﺷﺒﻜﻪ ﻫﺎي ﻋﺼﺒﻲ RBF ﺑﺮاي ﺣﻞ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﻏﻴﺮ ﺧﻄﻲ اﻳﻨﻮرﺗﺮ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ ﻛﻪ در ﻧﻮع ﺧﻮد روﺷﻲ ﻧﻮﻳﻦ ﻣﻲ ﺑﺎﺷﺪ. اﻳﻦ روش ﺑﻪ ﻫﻤﺮاه ﻛﺎرﺑﺮد آن در ﺣﻞ ﻣﻌﺎدﻻت ﺑﻪ ﻃﻮر ﻣﻔﺼﻞ ﺗﻮﺿﻴﺢ داده ﺧﻮاﻫﺪ ﺷﺪ. از ﻣﺰاﻳﺎي اﻳﻦ روش ﺳﺮﻋﺖ ﺑﺎﻻ و ﻫﻤﭽﻨﻴﻦ ﺗﻮاﻧﺎﻳﻲ ﺣﻞ دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺑﺎ درﺟﻪ ﻫﺎي آزادي ﻣﺘﻔﺎوت ﻣﻲ ﺑﺎﺷﺪ. ﺟﻬﺖ ﭘﻴﺎده ﺳﺎزي اﻟﮕﻮرﻳﺘﻢ ﭘﻴﺸﻨﻬﺎدي، ﻧﺮم اﻓﺰاري ﺗﺤﺖ ﻓﻀﺎي ﺑﺮﻧﺎﻣﻪ ﻧﻮﻳﺴﻲ MATLAB7.2 ﺗﻬﻴﻪ ﺷﺪه اﺳﺖ. ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﻛﺎرآﻣﺪي اﻳﻦ روش را ﻧﺸﺎن ﻣﻲ دﻫﻨﺪ.

اﻳﻨﻮرﺗﺮﻫﺎ ﺑﻪ ﻋﻨﻮان ﻣﺒﺪل ﻫﺎي DC ﺑﻪ AC ﺑﻪ ﻃﻮر وﺳﻴﻌﻲ در ﺻﻨﺎﻳﻊ ﻣﺨﺘﻠﻒ ﻛﺎرﺑﺮد دارﻧﺪ. ﻋﻼوه ﺑﺮ اﻳﻦ، در ادوات Facts و ﺧﻄﻮط HVDC و ﻣﺤﺮﻛﻪ ﻫﺎي ﻣﻮﺗﻮر ﻧﻴﺰ ﻧﻘﺶ اﺻﻠﻲ را اﻳﻔﺎ ﻣﻲ ﻛﻨﻨﺪ. ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻘﺶ ﻣﻬﻢ آﻧﻬﺎ در ﺻﻨﺎﻳﻊ، ﺑﺠﺎﺳﺖ ﻛﻪ ﺗﻜﻨﻮﻟﻮژي ﺳﺎﺧﺖ آﻧﻬﺎ ﺗﺎ ﺣﺪ ﻣﻤﻜﻦ ﭘﻴﺸﺮﻓﺖ ﻧﻤﺎﻳﺪ. روش ﻫﺎي زﻳﺎدي ﺗﺎﻛﻨﻮن ﺑﺮاي ﺑﻬﺒﻮد ﻋﻤﻠﻜﺮد آﻧﻬﺎ ﭘﻴﺸﻨﻬﺎد ﺷﺪه ﻛﻪ ﻋﺒﺎرﺗﻨﺪ از:

(1 اﺳﺘﻔﺎده از ﺗﻜﻨﻴﻚ ﻫﺎي ﮔﻮﻧﺎﮔﻮن ﺟﻬﺖ ﻛﻨﺘﺮل آﻧﻬﺎ ﻣﺜﻞ ﺗﻜﻨﻴﻚ ﻫﺎي:

اﻟﻒ) ﻣﺪوﻻﺳﻴﻮن ﭘﻬﻨﺎي ﭘﺎﻟﺲ ﻃﺒﻴﻌﻲ ﺳﻴﻨﻮﺳﻲ ﻳﺎ زﻳﺮ ﻫﺎرﻣﻮﻧﻴﻜﻲ (SPWM)

ب) ﻣﺪوﻻﺳﻴﻮن ﭘﻬﻨﺎي ﭘﺎﻟﺲ ﻫﺎرﻣﻮﻧﻴﻚ اﻧﺘﺨﺎﺑﻲ ﺣﺬف ﺷﺪه (SHE PWM)

پ)ﻣﺪوﻻﺳﻴﻮن ﺑﺮدار ﻓﻀﺎﻳﻲ (SVM)

ت) ﺷﻜﻞ ﻣﻮج ﭘﻠﻪ اي ﺑﺎ ﻫﺎرﻣﻮﻧﻴﻚ ﺑﻬﻴﻨﻪ ﺷﺪه

(2 اﺳﺘﻔﺎده از ﻓﻴﻠﺘﺮ در ﺧﺮوﺟﻲ اﻳﻨﻮرﺗﺮ ﺟﻬﺖ ﺣﺬف ﻣﺤﺪوده اي از ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎ

(3ﭼﻨﺪ ﺳﻄﺤﻲ ﻛﺮدن آﻧﻬﺎ ﺑﻪ ﻣﻨﻈﻮر ﻛﺎﻫﺶ ﻫﺎرﻣﻮﻧﻴﻚ و THD ﺷﻜﻞ ﻣﻮج وﻟﺘﺎژ ﺧﺮوﺟﻲ، و در ﻧﺘﻴﺠﻪ ﺣﺬف ﻓﻴﻠﺘﺮ و ﺗﺮاﻧﺴﻔﻮرﻣﺎﺗﻮر. ﺳﺎﺧﺘﺎرﻫﺎي ﭼﻨﺪ ﺳﻄﺤﻲ راﻳﺞ ﻋﺒﺎرﺗﻨﺪ از:

1) اﻳﻨﻮرﺗﺮ ﭼﻨﺪ ﺳﻄﺤﻲ دﻳﻮد ﻣﻬﺎر ﺷﺪه

2) اﻳﻨﻮرﺗﺮ ﭼﻨﺪ ﺳﻄﺤﻲ ﺧﺎزن ﺷﻨﺎور

3) اﻳﻨﻮرﺗﺮ ﭼﻨﺪ ﺳﻄﺤﻲ ﻃﺒﻘﻪ اي ﺑﺎ ﻣﻨﺎﺑﻊ DC ﻣﺠﺰا

ﻳﻜﻲ از ﻋﻠﻠﻲ ﻛﻪ ﺳﺒﺐ ﺷﺪه ﺑﻪ ﻃﻮر ﮔﺴﺘﺮده از اﻳﻨﻮرﺗﺮﻫﺎي ﭼﻨﺪ ﺳﻄﺤﻲ اﺳﺘﻔﺎده ﺷﻮد اﻳﻨﺴﺖ ﻛﻪ ﭘﺎراﻣﺘﺮ dv / dt ﺑﺮاي

ﻣﻮﺗﻮرﻫﺎﻳﻲ ﻛﻪ ﺑﺎ اﻳﻨﻮرﺗﺮﻫﺎ ﺗﻐﺬﻳﻪ ﻣﻲ ﺷﻮﻧﺪ ﺑﺴﻴﺎر ﻣﻬﻢ اﺳﺖ.

ﺧﺮاﺑﻲ ﻫﺎي زﻳﺎدي در اﺛﺮ زﻳﺎد ﺑﻮدن اﻳﻦ ﭘﺎراﻣﺘﺮ ﺑﺮاي ﻣﻮﺗﻮرﻫﺎ ﮔﺰارش ﺷﺪه اﺳﺖ. ﻣﻌﻤﻮﻻ اﺳﺘﻔﺎده از اﻳﻨﻮرﺗﺮﻫﺎي دو ﻳﺎ ﺳﻪ

ﺳﻄﺤﻲ ﺑﻪ ﻋﻨﻮان ﻣﺒﺪل ﺑﺮاي ﻣﻮﺗﻮرﻫﺎﻳﻲdv / dt ﺑﺎﻻ ﻣﻲ ﺷﻮد. اﺳﺘﻔﺎده از اﻳﻨﻮرﺗﺮﻫﺎي ﭼﻨﺪﺳﻄﺤﻲ ﺑﺎ ﺗﻜﻨﻴﻚ ﺷﻜﻞ ﻣﻮج ﭘﻠﻪ اي ﺑﺎ ﻫﺎرﻣﻮﻧﻴﻚ ﺑﻬﻴﻨﻪ ﺷﺪه ﺳﺒﺐ ﭘﺎﻳﻴﻦ آﻣﺪن dv / dt ، و ﺣﻞ اﻳﻦ ﮔﻮﻧﻪ ﻣﺸﻜﻼت ﺷﺪه اﺳﺖ. در اﻳﻦ روش، ﺑﻪ ازاي ﻫﺮ ﻃﺒﻘﻪ، ﻳﻚ ﭘﺎراﻣﺘﺮ θ_iﻣﺮﺑﻮط ﺑﻪ زاوﻳﻪ ﻛﻠﻴﺪزﻧﻲ آن ﻃﺒﻘﻪ وﺟﻮد دارد. ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺮاي n ﻃﺒﻘﻪ و در ﻧﺘﻴﺠﻪ n ﻣﺠﻬﻮل، ﻣﻲ ﺗﻮان n ﻣﻌﺎدﻟﻪ راﺣﻞ ﻛﺮد. ﻳﻚ روش اﻳﻨﺴﺖ ﻛﻪ THD را ﻛﻤﻴﻨﻪ ﻛﺮد ﻛﻪ روش ﭼﻨﺪان ﻣﺮﺳﻮﻣﻲ ﻧﻤﻲ ﺑﺎﺷﺪ . روش دﻳﮕﺮ ﻛﻪ ﺑﺴﻴﺎر ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﺮﻓﺘﻪ، ﺗﻜﻨﻴﻚ OHSW اﺳﺖ. در اﻳﻦ روش ﺳﻌﻲ ﺑﺮ آن اﺳﺖ ﻛﻪ ﺗﺎ ﺣﺪ اﻣﻜﺎن داﻣﻨﻪ ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎ ﺑﺮاﺑﺮ ﺑﺎ ﺻﻔﺮ ﺷﻮد و در ﺻﻮرﺗﻲ ﻛﻪ اﻣﻜﺎن ﺣﻞ ﻣﻌﺎدﻻت ﺑﻪ ازاي ﺑﺮﺧﻲ از ﺷﺎﺧﺺ ﻫﺎي ﻣﺪوﻻﺳﻴﻮن ﺧﺎص ﻣﻮﺟﻮد ﻧﺒﺎﺷﺪ ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎ ﺗﺎ ﺣﺪ ﻣﻤﻜﻦ ﻛﻤﻴﻨﻪ ﺷﻮﻧﺪ.

اﻳﻦ روش ﻣﺨﺼﻮﺻﺎ ﺑﺮاي ﻛﺎرﺑﺮد در ﻣﺤﺮﻛﻪ ﻫﺎي ﻣﻮﺗﻮر ﺑﺪﻟﻴﻞ ﺧﺎﺻﻴﺖ ﻓﻴﻠﺘﺮ ﻛﺮدن ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎي ﻣﺮﺗﺒﻪ ﺑﺎﻻ ﺑﺴﻴﺎر ﻣﻔﻴﺪ اﺳﺖ. ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ، ﺑﺎ n ﻣﻌﺎدﻟﻪ ﺗﻌﺪاد n-1 ﻫﺎرﻣﻮﻧﻴﻚ از ﻣﺮﺗﺒﻪ ﻫﺎي ﭘﺎﻳﻴﻦ را ﺻﻔﺮ ﻣﻲ ﻛﻨﺪ. اﻳﻦ ﻣﻌﺎدﻻت ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺼﻲ از M ﺟﻮاب دارﻧﺪ.[4] روش ﻫﺎﻳﻲ ﻛﻪ ﺗﺎﻛﻨﻮن ﭘﻴﺸﻨﻬﺎد ﺷﺪه ﻓﻘﻂ ﻣﻌﺎدﻻت را در اﻳﻦ ﻣﻘﺎدﻳﺮ ﺣﻞ ﻣﻲ ﻛﺮدﻧﺪ و ﺑﺮاي ﺳﺎﻳﺮ M ﻫﺎﻳﻲ ﻛﻪ ﺟﻮاب ﻧﺪارﻧﺪ، ﺳﻌﻲ در ﻛﻤﻴﻨﻪ ﻛﺮدن ﻫﺎرﻣﻮﻧﻴﻚ ﻫﺎ داﺷﺘﻨﺪ.

در اﻳﻦ ﻣﻘﺎﻟﻪ از ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ ﺑﺮاي ﺣﻞ ﻣﻌﺎدﻻت اﻳﻨﻮرﺗﺮ ﺑﻪ ﻣﻨﻈﻮر ﺣﺬف ﻫﺎرﻣﻮﻧﻴﻚﻫﺎي ﭘﻨﺠﻢ ﺗﺎ ﻫﻔﺪﻫﻢ، ﻛﻪ ﺑﺮاي ﻋﻤﻠﻜﺮد ﻣﻮﺗﻮرﻫﺎ ﻣﻀﺮ ﻣﻲﺑﺎﺷﻨﺪ، اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. از آﻧﺠﺎﻳﻲ ﻛﻪ ﻣﻌﺎدﻻت ﻫﺎرﻣﻮﻧﻴﻚﻫﺎي اﻳﻨﻮرﺗﺮ ﻏﻴﺮﺧﻄﻲ ﻣﻲﺑﺎﺷﻨﺪ، دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺣﺎﻛﻢ ﺑﻪ ازاي ﺑﺮﺧﻲ از ﺷﺎﺧﺺﻫﺎي ﻣﺪوﻻﺳﻴﻮن (M) ﻓﺎﻗﺪ ﺟﻮاب اﺳﺖ ﻛﻪ اﻳﻦ اﻣﺮ ﺑﺎﻋﺚ اﻳﺠﺎد ﻧﺎﭘﻴﻮﺳﺘﮕﻲﻫﺎﻳﻲ در ﺑﺎزة ﻛﺎري اﻳﻨﻮرﺗﺮ ﻣﻲﺷﻮد. در اﻳﻦ ﻣﻘﺎﻟﻪ دو راﻫﻜﺎر ﺟﻬﺖ ﮔﺴﺘﺮش ﺑﺎزة ﻛﺎري اﻳﻨﻮرﺗﺮ اراﺋﻪ ﺷﺪه اﺳﺖ.

در روش اول ﭘﻴﺸﻨﻬﺎد ﺷﺪ ﻛﻪ ﺑﻪ ازاي Mﻫﺎﻳﻲ ﻛﻪ دﺳﺘﮕﺎه ﻓﺎﻗﺪ ﺟﻮاب اﺳﺖ، از ﺣﺬف ﻫﺎرﻣﻮﻧﻴﻚ ﻫﻔﺪﻫﻢ ﺻﺮﻓﻨﻈﺮ ﺷﺪه و ﺑﻪ ﺣﻞ ﻳﻚ دﺳﺘﮕﺎه ﭘﻨﺞ ﻣﻌﺎدﻟﻪ و ﺷﺶ ﻣﺠﻬﻮل، ﺑﻪ ﻣﻨﻈﻮر ﺣﺬف ﻫﺎرﻣﻮﻧﻴﻚﻫﺎي ﭘﻨﺠﻢ ﺗﺎ ﺳﻴﺰدﻫﻢ، ﭘﺮداﺧﺘﻪ ﺷﻮد. در روش دوم ﭘﻴﺸﻨﻬﺎد ﮔﺮدﻳﺪ ﻛﻪ ﺑﻪ ﺟﺎي اﻳﻨﻮرﺗﺮ ﺷﺶ ﻃﺒﻘﻪ از ﻳﻚ اﻳﻨﻮرﺗﺮ ﻫﻔﺖ ﻃﺒﻘﻪ ﺑﻪ ﻋﻨﻮان ﻣﺤﺮﻛﺔ ﻣﻮﺗﻮر اﺳﺘﻔﺎده ﮔﺮدد. ﺑﻪ اﻳﻦ ﺗﺮﺗﻴﺐ ﻣﻌﺎدﻻت ﺣﺎﻛﻢ ﺑﺮ اﻳﻨﻮرﺗﺮ ﺑﻪ ﻳﻚ دﺳﺘﮕﺎه ﺑﺎ ﺷﺶ ﻣﻌﺎدﻟﻪ و ﻫﻔﺖ ﻣﺠﻬﻮل ﺗﺒﺪﻳﻞ ﻣﻲﺷﻮد ﻛﻪ ﺑﺮاي ﮔﺴﺘﺮة ﻧﺴﺒﺘﺎً وﺳﻴﻌﻲ از Mﻫﺎ داراي ﺟﻮاب ﻣﻲﺑﺎﺷﺪ.

ﻧﺘﺎﻳﺞ ﺷﺒﻴﻪﺳﺎزي ﻣﺆﻳﺪ ﻛﺎرآﻣﺪي روشﻫﺎي اراﺋﻪ ﺷﺪه ﻣﻲﺑﺎﺷﻨﺪ.