Том 337 № 4 (2026)
DOI https://doi.org/10.18799/24131830/2026/4/5145
Интеллектуальная фазная компенсация реактивной мощности электродуговой печи на основе генетического алгоритма
Актуальность. Рассматривается задача оптимизации углов открытия тиристоров в системе фазной компенсации электродуговой печи с использованием генетического алгоритма. Предлагаемый подход обеспечивает пофазное регулирование потоков реактивной мощности и способствует снижению уровня несимметрии напряжений. Расширение применения электродуговых печей предъявляет повышенные требования к качеству электроэнергии, тогда как традиционные методы компенсации недостаточно эффективны при быстро изменяющемся характере нагрузки. Использование генетического алгоритма как инструмента глобальной оптимизации позволяет реализовать адаптивную компенсацию несимметрии напряжений в условиях динамических режимов. Цель. Разработка и обоснование метода оптимального управления фазными углами открытия тиристоров в системе компенсации несимметрии напряжений электродуговой печи, направленного на повышение качества электроснабжения, энергоэффективности и устойчивости технологического процесса. Методы. Генетический алгоритм, обеспечивающий поиск оптимальных значений фазных углов управления тиристорами в системе фазной компенсации. Критериями оптимизации являются минимизация коэффициента несимметрии напряжений и снижение потерь реактивной мощности, что позволяет реализовать адаптивное управление в условиях переменной нагрузки. Результаты. Разработан метод оптимального регулирования углов открытия тиристоров в диапазоне 0–90° на основе генетического алгоритма. Применение предложенного решения позволило снизить коэффициент несимметрии напряжений до 2–4 %, уменьшить удельный расход электроэнергии и повысить энергетическую эффективность работы электродуговой печи. Проведённые исследования подтвердили устойчивость алгоритма при изменяющихся режимах нагрузки и возможность его применения в других устройствах компенсации реактивной мощности.
Для цитирования: Интеллектуальная фазная компенсация реактивной мощности электродуговой печи на основе генетического алгоритма. И.У. Рахмонов, ББ. угли Холихматов, В.Я. Ушаков, А.Д. Пахратдинов. Известия Томского политехнического университета. Инжиниринг георесурсов, 2026, Т. 337, № 4, С. 139-151.
Ключевые слова:
электродуговая печь, несимметрия напряжения, компенсация реактивной мощности, тиристорное управление, фазная компенсация, генетический алгоритм, оптимизация параметров, качество электроэнергии
Библиографические ссылки:
СПИСОК ЛИТЕРАТУРЫ
1. M.K. Namboothiripad. Genetic algorithm based SVC switching for harmonic and reactive power compensation. International journal of innovative research in electrical, electronics, instrumentation and control engineering, 2013, Vol. 1, Iss. 7, P. 294–298.
2. Karady G.G. Continuous regulation of capacitive reactive power. IEEE Transactions on Power Delivery, 1992, Vol. 7, № 3, P. 1466–1473.
3. Application of static var compensator of ultra-high power electric arc furnace for voltage drops compensation in factory power supply system of metallurgical enterprise. A.A. Nikolaev, G.P. Kornilov, T.R. Khramshin, I. Akcay, Y. Gok. IEEE Electrical Power and Energy Conference, 2014. P. 235–241. DOI: 10.1109/EPEC.2014.18.
4. Reactive compensation for AC electric arc furnace considering power quality constraints. Xiaohang Zhu, Hongkun Chen, Pan Hu, Ruonan Chen. 2016 17th International Conference on Harmonics and Quality of Power (ICHQP), 2016. P. 919–924. DOI: 10.1109/ICHQP.2016.7783453.
5. Olczykowski Z. Electric arc furnaces as a cause of current and voltage asymmetry. Energies, 2021, Vol. 14, P. 5058. DOI: 10.3390/en14165058.
6. Improvement of electromagnetic compatibility and efficiency of power supply circuits of electric arc furnaces in nonlinear asymmetric modes. V. Turkovskyi, A. Malinovskyi, A. Muzychak, O. Turkovskyi. Eastern-European Journal of Enterprise Technologies, 2021, Vol. 5 (8), P. 6–16.
7. Asymmetric compensation of reactive power using thyristor-controlled reactors. M. Šapurov, V. Bleizgys, A. Baskys et al. Symmetry, 2020, Vol. 12, P. 880.
8. Naqash M.Y., Rashid Z. PI Controller Based Automatic Power Factor Correction (APFC) using capacitor bank. ECCE, 2023, vol. 19, № 1, P. 40–48.
9. Ghiormez L., Panoiu M., Panoiu C. Fuzzy logic controller for power control of an electric arc furnace. Mathematics, 2024, Vol. 12, P. 3445.
10. SVC model for voltage control of a microgrid. P. Bogónez-Franco, J. Balcells, O. Junyent, J. Jordà. 2011 IEEE International Symposium on Industrial Electronics, 2011, P. 1645–1649. DOI: 10.1109/ISIE.2011.5984407.
11. Reactive power compensation technologies: state-of-the-art review. J. Dixon, L. Moran, J. Rodriguez, R. Domke. Proceedings of the IEEE, 2005, Vol. 93, P. 2144–2164.
12. Igodo O., Ilo F.U. Improving the quality of power supply in distribution network using Genetic-based SVC. International Journal of Research Trends and Advanced Computer Systems, 2023, Vol. 2, № 42, P. 444–452.
13. Рахмонов И.У., Холихматов Б.Б., Ильясов А.П. Генетические алгоритмы как метод глобальной оптимизации. Universum: технические науки, 2024, № 11 (128), С. 49–51.
14. Рахмонов И.У., Холихматов Б.Б., Саидходжаев А.Г. Использование генетического алгоритма для снижения несимметрии напряжений в дуговых печах. Международный научный журнал «Интернаука», 2024, № 43 (360), С. 9–11.
15. S.Balasubramanian, R.V. Gokhale, A. Sekar. A new AC optimal power flow formulation and solution using Genetic Algorithm based on P-Q decomposition. North American Power Symposium (NAPS), 2015, P. 1–5. DOI: 10.1109/NAPS.2015.7335259.
16. Comparison of Performance between Genetic Algorithm and Breeding Algorithm for Global Optimization of Continuous Functions. Z. Xiao-ping, H. Shi-zhao and D. Xin-wei. Fourth International Conference on Natural Computation, 2008. P. 294–298. DOI: 10.1109/ICNC.2008.758.
17. Goldberg D.E. Genetic algorithms in search, optimization, and machine learning. Boston: Addison-Wesley, 1989. 412 p.
18. Guan P., Liu X., Gao Y. Predictive control of arc furnace based on genetic algorithm. The 26th Chinese Control and Decision Conference (2014 CCDC), 2014. P. 3385–3390. DOI: 10.1109/CCDC.2014.6852761.
19. Parameter identification of arc furnace based on stochastic nature of arc length using two-step optimization technique. S.M. Mousavi Agah, S.H. Hosseinian, H.A. Abyaneh, N. Moaddabi. IEEE Transactions on Power Delivery, 2010, Vol. 25, № 4, P. 2859–2867. DOI: 10.1109/TPWRD.2010.2044812.
20. M.E.H. Golshan, H. Samet. Updating stochastic models of arc furnace reactive power by genetic algorithm. Proceedings of 14th International Conference on Harmonics and Quality of Power – ICHQP, 2010. P. 1–9. DOI: 10.1109/ICHQP.2010.5625437.
21. Математическое моделирование управления движением электродов электросталеплавильной печи на основе нечеткой логики. И.У. Рахмонов, М.Ф. Коржобова, В.Я. Ушаков, Ф.А. Хошимов. Известия Томского политехнического университета. Инжиниринг георесурсов, 2025, Т. 336, № 9, С. 212–226. DOI: http://doi.org/10.18799/24131830/2025/9/5150 .
22. Прогнозирование энергоэффективности в топливно-энергетическом комплексе на основе модели MLP. И.У. Рахмонов, З.М. Шаюмова, В.Я. Ушаков, Н.Н. Ниёзов, Д.А. Жалилова. Известия Томского политехнического университета. Инжиниринг георесурсов, 2026, Т. 337, № 1, С. 213–227. DOI: http://doi.org/10.18799/24131830/2026/1/5149
REFERENCES
1. M.K. Namboothiripad. Genetic algorithm based SVC switching for harmonic and reactive power compensation. International journal of innovative research in electrical, electronics, instrumentation and control engineering, 2013, vol. 1, Iss. 7, pp. 294–298.
2. Karady G.G. Continuous regulation of capacitive reactive power. IEEE Transactions on Power Delivery, 1992, vol. 7, no. 3, pp. 1466–1473.
3. Nikolaev A.A., Kornilov G.P., Khramshin T.R., Akcay I., Gok Y. Application of static var compensator of ultra-high power electric arc furnace for voltage drops compensation in factory power supply system of metallurgical enterprise. IEEE Electrical Power and Energy Conference, 2014. pp. 235–241. DOI: 10.1109/EPEC.2014.18.
4. Xiaohang Zhu, Hongkun Chen, Pan Hu, Ruonan Chen. Reactive compensation for AC electric arc furnace considering power quality constraints. 2016 17th International Conference on Harmonics and Quality of Power (ICHQP), 2016. pp. 919–924. DOI: 10.1109/ICHQP.2016.7783453.
5. Olczykowski Z. Electric arc furnaces as a cause of current and voltage asymmetry. Energies, 2021, vol. 14, pp. 5058. DOI: 10.3390/en14165058.
6. Turkovskyi V., Malinovskyi A., Muzychak A., Turkovskyi O. Improvement of electromagnetic compatibility and efficiency of power supply circuits of electric arc furnaces in nonlinear asymmetric modes. Eastern-European Journal of Enterprise Technologies, 2021, vol. 5 (8), pp. 6–16.
7. Šapurov M., Bleizgys V., Baskys A., Dervinis A., Bielskis E., Paulikas S., Paulauskas N., Macaitis V. Asymmetric compensation of reactive power using thyristor-controlled reactors. Symmetry, 2020, vol. 12, pp. 880.
8. Naqash M.Y., Rashid Z. PI controller based automatic power factor correction (APFC) using capacitor bank. ECCE, 2023, vol. 19, no. 1, pp. 40–48.
9. Ghiormez L., Panoiu M., Panoiu C. Fuzzy logic controller for power control of an electric arc furnace. Mathematics, 2024, vol. 12, pp. 3445.
10. Bogónez-Franco P., Balcells J., Junyent O., Jordà J. SVC model for voltage control of a microgrid. Proc. IEEE International Symposium on Industrial Electronics, 2011, pp. 1645–1649. DOI: 10.1109/ISIE.2011.5984407v
11. Dixon J., Moran L., Rodriguez J., Domke R. Reactive power compensation technologies: state-of-the-art review. Proceedings of the IEEE, 2005, vol. 93, pp. 2144–2164.
12. Igodo O., Ilo F.U. Improving the quality of power supply in distribution network using genetic-based SVC. International Journal of Research Trends and Advanced Computer Systems, 2023, vol. 2, no. 42, pp. 444–452.
13. Rakhmonov I.U., Kholikhmatov B.B., Ilyasov A.P. Genetic algorithms as a method of global optimization: possibilities and limitations. Universum: Technical Sciences, 2024, no. 11 (128). (In Russ.)
14. Rakhmonov I.U., Kholikhmatov B.B., Saidkhodzhaev A.G. Using a genetic algorithm to reduce voltage unbalance in electric arc furnaces. Internauka, 2024, no. 43 (360), pp. 49–51. (In Russ.)
15. Balasubramanian S., Gokhale R.V., Sekar A. A new AC optimal power flow formulation and solution using Genetic Algorithm based on P-Q decomposition. North American Power Symposium (NAPS), 2015, pp. 1–5. DOI: 10.1109/NAPS.2015.7335259.
16. Xiao-ping Z., Shi-zhao H., Xin-wei D. Comparison of performance between genetic algorithm and breeding algorithm for global optimization of continuous functions. Fourth International Conference on Natural Computation, 2008. pp. 294–298. DOI: 10.1109/ICNC.2008.758.
17. Goldberg D.E. Genetic algorithms in search, optimization, and machine learning. Boston, Addison-Wesley, 1989. 412 p.
18. Guan P., Liu X., Gao Y. Predictive control of arc furnace based on genetic algorithm. The 26th Chinese Control and Decision Conference (2014 CCDC), 2014. pp. 3385–3390. DOI: 10.1109/CCDC.2014.6852761.
19. Mousavi Agah S.M., Hosseinian S.H., Abyaneh H.A., Moaddabi N. Parameter identification of arc furnace based on stochastic nature of arc length using two-step optimization technique. IEEE Transactions on Power Delivery, 2010, vol. 25, no. 4, pp. 2859–2867. DOI: 10.1109/TPWRD.2010.2044812.
20. Golshan M.E.H., Samet H. Updating stochastic models of arc furnace reactive power by genetic algorithm. Proceedings of 14th International Conference on Harmonics and Quality of Power – ICHQP, 2010. pp. 1–9. DOI: 10.1109/ICHQP.2010.5625437.
21. Rakhmonov I.U., Korjobova M.F., Ushakov V.Ya., Hoshimov F.A. Mathematical modeling of electrode movement control in electric arc furnace based on fuzzy logic. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 2025, vol. 336, no. 9, pp. 212–226. (In Russ.) DOI: 10.18799/24131830/2025/9/5150.
22. Rakhmonov I.U., Shayumova Z.M., Ushakov V.Ya., Niyozov N.N., Jalilova D.A. Forecasting energy efficiency in the fuel and energy complex based on the MLP model. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 2026, vol. 337, no. 1, pp. 213–227. (In Russ.) DOI: http://doi.org/10.18799/24131830/2026/1/5149.
