Optimization of PI Coefficients Buck Converter with Improved Red Fox Optimization Algorithm

Yıl 2023, Cilt: 13 Sayı: 1, 1 - 11, 30.06.2023

Ersagun Kürşat Yaylacı , Hatice Nur Özdeş , Ahmet Erdem Yılmaz

Öz

In this study, closed-loop output voltage control of the Buck converter is provided with Proportional-Integral controller, which is
widely used in the industry. In addition to mathematical methods in determining the controller coefficients, meta-heuristic methods
have been started to be preferred quite frequently in recent years. The Red Fox Optimization method is a new optimization algorithm
recently added to meta-heuristic methods. It was developed by being inspired by the lifestyles of the red foxes living in herds in
nature. In this study, the Red Fox Optimization algorithm was developed in order to require less user information in the system and
to operate the system reliably without exceeding the design criteria. By using the developed Red Fox Optimization algorithm, steadystate
error and maximum overshoot, which are among the control performance criteria of the system, are tried to be improved with
the Proportional-Integral controller. The objective function is calculated by taking the average of the sum of the absolute values of the
error, the sum of the squares of the error, and the sum of the time-weighted squares of the error. This study is carried out in the Matlab/
Simulink environment and the maximum overshoot criterion is specifical as in the range of 5-40%. The development process is also
applied to Grey Wolf Optimization (GWO), Firefly Optimization (FA) and Particle Swarm Optimization (PSO) methods and the
four optimization methods are compared. In the comparison process, it was observed that the improved GKO algorithm reached the
result in a shorter time in terms of the working time, and the controller performances were quite close to each other.

Anahtar Kelimeler

Improved red fox optimization algorithm, PI controller, Buck converter

Geliştirilmiş Kızıl Tilki Optimizasyon Algoritması ile Da-Da Alçaltıcı Tip Dönüştürücü PI Katsayılarının Optimizasyonu

Öz

Bu çalışmada, endüstride yaygın olarak kullanılan PI (Oransal-İntegral) denetleyici ile alçaltıcı tip da-da dönüştürücünün kapalı
çevrim çıkış gerilim denetimi sağlanmıştır. Denetleyici katsayılarının belirlenmesinde matematiksel yöntemlerin yanı sıra son yıllarda
meta-sezgisel yöntemler oldukça sık tercih edilmeye başlanmıştır. Kızıl Tilki Optimizasyon (KTO) yöntemi yakın zamanda metasezgisel
yöntemlere eklenen yeni bir optimizasyon algoritmasıdır. Doğada sürü halinde yaşayan kızıl tilkilerin yaşayış biçimlerinden
esinlenilerek geliştirilmiştir. Bu çalışmada KTO algoritması, sistemde daha az kullanıcı bilgisine ihtiyaç duyulması ve sistemin tasarım
ölçütlerini aşmadan güvenilir bir şekilde çalışması amacıyla geliştirilmiştir. Geliştirilen KTO algoritması kullanılarak PI denetleyici ile
sistemin denetim performans kriterlerinden sürekli hal hatası ve maksimum aşım iyileştirilmeye çalışılmıştır. Amaç fonksiyonu olarak;
hata mutlak değerlerin toplamı, zamanla ağırlıklandırılmış hata karelerinin toplamı ve hata karelerinin toplamı değerlerinin ortalaması
kullanılmıştır. Bu çalışma Matlab/Simulink ortamında gerçekleştirilmiş ve maksimum aşım kriteri %5-40 aralığında belirlenmiştir.
Yapılan geliştirme işlemi Gri Kurt Optimizasyon (GKO), Ateş Böceği Optimizasyon (ABO) ve Parçacık Sürü Optimizasyon
(PSO) yöntemlerine de uygulanmış ve dört optimizasyon yöntemi karşılaştırılmıştır. Yapılan karşılaştırma işleminde çalışma süresi
bakımından geliştirilmiş GKO algoritmasının daha kısa sürede sonuca ulaştığı, denetleyici performanslarının ise birbirine oldukça
yakın performans gösterdikleri gözlenmiştir.

Anahtar Kelimeler

Geliştirilmiş kızıl tilki optimizasyon algoritması, PI denetleyici, Alçaltıcı tip da-da dönüştürücü

Kaynakça

• Albak, E.İ., Solmaz, E. & Öztürk, F. 2022. Çoklu arama stratejileri kullanan çok amaçlı parçacık sürü optimizasyon yöntemi ile dairesel çok hücreli çarpışma kutusunun optimizasyonu. Uludağ University Journal of The Faculty of Engineering, 27(1), 119–134.
• Alremali, F., Yaylaci, E. & Uluer, İ. 2022. Optimization of proportional-integral controllers of grid-connected wind energy conversion system using grey wolf optimizer based on artificial neural network for power quality improvement. Advances in Science and Technollogy Research Journal,16(3),295-305.
• Azizuddin, M., Khalil, A., Yunus, S., Petra, R. Jaafar, S., Peng, A.S. & Khan, S. 2019. Optimum controller design of parallel Dc/Dc converters using grey wolf optimization algorithm.6th IEEE International Conference on Engineering Technologies and Applied Sciences,December,1–6.
• Bayancık, R. 2020. Gri Kurt Algoritması Kullanılarak Geçici Hal Kararlılık Kısıtlı Çok Amaçlı Optimal Güç Akışı Çözümü. Yüksek Lisans Tezi, Ege Üniversitesi, Fen Bilimleri Enstitüsü, İzmir.
• Berber, Ö., Ateş, M., Alruim Alhasan, H. & Güneş, M. 2016. Parçacık Sürü Optimizasyonu ve PID ile Mobil Robotun Optimum Yörünge Kontrolü. KSU. Journal of Engineering Sciences, 19(3), 165–169.
• Boz, A.F. & Çimen, M.E. 2017. Geliştirilmiş Ateşböceği Algoritması ile PID Denetleyici Tasarımı. 8th International Advanced Technologies Symposium, December, 3358–3365.
• Dagal, I., Akın, B. & Akboy, E. 2022. A novel hybrid series salp particle Swarm optimization (SSPSO) for standalone battery charging applications. Ain Shams Engineers Journal,13(5),101747.
• Doğan, C. 2019. Balina Optimizasyon Algoritması ve Gri Kurt Optimizasyonu Algoritmaları Kullanılarak Yeni Hibrit Optimizasyon Algoritmalarının Geliştirilmesi.Yüksek Lisans Tezi, Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri.
• Doğan, L. 2018. Robot Yol Planlaması İçin Gri Kurt Optimizasyon Algoritması.Yüksek Lisans Tezi, Bilecik Şeyh Edebali Üniversitesi, Fen Bilimleri Enstitüsü, Bilecik. Fu, Z., An, J., Yang, Q., Yuan, H., Sun, Y. & Ebrahimian, H.
• 2022. Skin cancer detection using Kernel Fuzzy C-means and Developed Red Fox Optimization algorithm. Biomedical Signal Processing and Control, 71. Gözde, H., Taplamacıoğlu, M.C., Kocaarslan, İ. & Şenol,
• M.A. 2010. İki bölgeli ara-ısıtmalı termal güç sisteminin yükfrekans kontrolü için parçacık sürüsü optimizasyonu tabanlı PI-kontrolör. Isı Bilimi ve Tekniği Dergisi, 30(1), 13–21.
• Hekimoğlu, B., Ekinci, S. & Kaya, S. 2018. Optimal PID Controller Design of DC-DC Buck Converter using Whale Optimization Algorithm,2018 International Conference on Artificial Intelligence and Data Processing (IDAP), pp. 1–6.
• Huo, Z., Liu, S.J. & Ebrahimian, H. 2022. Aircraft energy management system using chaos red fox optimization algorithm. Journal of Electrical Engineering and Technology, 17(1),179–195.
• Izci. D., Ekinci. S. 2022. A novel improved version of hunger games search algorithm for function optimization and efficient controller design of buck converter system. e-Prime – Advances in Electrical Engineering, Electronics and Energy 2.
• Izci. D., Hekimoğlu. B., Ekinci. S. 2022. A new artificial ecosystem-based optimization integrated with Nelder-Mead method for PID controller design of buck converter. Alexandria Engineering Journal, 61(3), 2030-2044.
• Koc,I., Baykan,O.K. & Babaoglu,I. 2018. Gri kurt optimizasyon algoritmasına dayanan çok seviyeli imge eşik seçimi. Journal of Polytechnic, 21(4),841-847.
• Madhu Kiran, E.R.C.S., Thota, P.S., Sridhar, B. & Dileesh, K. 2012. Control of Buck Converter by Polynomial, PID and PD Controllers. 2012 Asia Pacific Conference on Postgraduate Research in Microelectronics and Electronics, 5-7 Aralık, 94–99. Mirjalili,S. 2014. Grey Wolf Optimizer. Advances in Engineering Software,69,46-61.
• Murdianto, F.D., Nansur, A.R., Hermawan, A.S.L., Purwanto, E., Jaya, A. & Rifadil, M.M. 2018. Modeling and Simulation of MPPT SEPIC - BUCK Converter Series Using Flower Pollination Algorithm (FPA) - PI Controller in DC Microgrid Isolated System, 2018 International Electrical Engineering Congress (iEECON), pp.1–4.
• Özsağlam, M.Y. & Çunkaş, M. 2008. Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Journal of Polytechnic,11(4),299-305.
• Pamuk, N. 2016. Kaotik ateşböceği optimizasyon algoritması kullanarak termik güç santralleri etkisindeki ekonomik yük dağıtım problemlerinin çözümü. Kirklareli University Journal of Engineering and Science, 2, 38–59.
• Penbegüllü, İ. 2019. Düşürücü Tip Dc-Dc Dönüştürücünün Optimize Edilmiş PID Kontrolü. Yüksek Lisans Tezi, Düzce Üniversitesi, Fen Bilimleri Enstitüsü, Düzce.
• Połap, D. & Woźniak, M. 2021a. Meta-Heuristic as manager in federated learning approaches for ımage processing purposes. Applied Soft Computing, 113.
• Połap, D. & Woźniak, M. 2021b. Red fox optimization algorithm. Expert Systems with Applications,166.
• Ravikumar, S., Vennila, H. & Deepak R. 2020. Hybrid power generation system with Total Harmonic Distortion minimization using improved Rider Optimization Algorithm: Analysis on converters. Journal of Power Sources, 459, 228025.
• Shagor, M.R.K., Mahmud, A.J., Nishat, M.M., Faisal,F., Mithun, M.H. & Khan, M.A. 2021. Firefly Algorithm Based Optimized PID Controller for Stability Analysis of DCDC SEPIC Converter. 2021 IEEE 12th Annual Ubiquitous Computing, Electronics and Mobile Communication Conference, 1-4 December ,pp. 957–963.
• Tamer, A., Zellouma, L., Benchouia, M.T. & Krama, A. 2021. Adaptive linear neuron control of three-phase shunt active power filter with anti-windup PI controller optimized by particle swarm optimization. Computers and Electrical Engineering, 96,107471.
• Uzlu, E. 2019. Türkiye için gri kurt optimizasyon algoritması ile yapay sinir ağlarını kullanarak enerji tüketiminin tahmini. Gazi Üniversitesi Fen Bilimleri Dergisi, 7(2), 245–262. Yang, X.S. 2014. Nature-ınspired optimization algorithms. Elsevier, London, pp.111-124.
• Yaylacı, E.K., Yılmaz, A.E. & Özdeş, H.N. 2022. Geliştirilmiş Parçacık Sürü Optimizasyon Algoritması ile Da-Da Alçaltıcı Tip Dönüştürücünün PI Katsayılarının Optimizasyonu. 2nd International Conference on Applied Engineering and Natural Sciences, 10-13 Mart, ss. 257–261.
• Yousri, D., Mudhsh, M., Shaker Y.O., Abualigah, L., Tag-Eldin, E., Elaziz, M.A. & Allam, D. 2022. Modified Interactive Algorithm Based on Runge Kutta Optimizer for Photovoltaic Modeling: Justification Under Partial Shading and Varied Temperature Conditions, IEEE Access, 10,20793–20815.
• Zhang, M., Xu, Z., Lu, X., Liu, Y., Xiao, Q. & Taheri,B. 2021. an optimal model identification for solid oxide fuel cell based on extreme learning machines optimized by improved red fox optimization algorithm. International Journal of Hydrogen Energy, 46(55), 28270–28281.
• Zhu, N., Liu, X., Dong, Q. & Rodriguez, D. 2021. Optimization of zero-energy building by multi-criteria optimization method: A case study. Journal of Building Engineering, 44, 1–13.