.:رویال آی تی:.

× دسته بندی ها

مقاله کنترل پایداری سیستم قدرت با استفاده از سیستم فازی – عصبی

تحقیق کنترل پایداری سیستم قدرت با استفاده از سیستم فازی – عصبی

چکیده

تقسیم های قدرت مدرن عموما به دلایل اقتصادی در حد بالای توان تولیدی خود کار می کنند و با توجبه بارگذاری شدید این سیستم ها، مسئله پایداری آنها از مسائل مهم و قابل توجه است به روش های کلاسیک، پایداری تقسیم با استفاده از مدل تعیین می شود . اشکال اساسی این است که تعیین مدل کامل همراه با پارامترهای دقیق برای سیستم های با ابعاد بزرگ مثل سیستم قدرت که نقاط کار و ساختار آن دائما در حال تغییر است عملا غیر ممکن است. با پیشرفت های چشمگیر در تئوری سیتم ها و کنترل ، روش های جدیدی برای طراحی پایدارکننده های سیستم قدرت ارائه شده است که برای مثال می توان به تئوری کنترل تطبیقی ، کنترل مقاوم شبکه های عصبی مصنوعی و کنترل فازی اشاره کرد. در همه ی این روش ها سعی بر این است که عیب های موجود در طراحی کلاسیک مرتفع شود و کنترل کننده به شکل موثرتری بر پایداری سیستم و بهبود میرایی نوسانات اثر گذارد. در این پایان نامه از روش تطبیقی – فازی – عصبی (ANFIS) برای بهبود پارامترهای پایدار ساز یک سیستم قدرت دو ناحیه و چهار ماشینه استفاده شده است. همچنین عملکرد سیستم در حضور خطای سه فاز مورد بررسی قرار گرفته است . نتایج شبیه سازی نشان می دهد که استفاده از روش تطبیقی – فازی- عصبی در بهبود پایداری سیستم قدرت و کاهش نوسانات بسیار موثر است.

کلمات کلیدی: کنترل تطبیقی – شبکه های عصبی – منطق فازی – پایداری – نوسانات سیستم قدرت

مقدمه

پایدار ساز سیستم قدرت برای فراهم کردن ورودی تنظیم کننده ولتاژ خودکار (AVR) با هدف کمک به میرایی نوسانات ماشین طراحی شده است . ورودی pss ممکن است سرعت روتور ژنراتور، توان الکتریکی و یا سایر سیگنالها باشند. معمولا pss با توابع انتقال خطی طراحی شده است که پارامترهای آن برای ایجاد میرایی مثبت در محدوده فرکانس های نوسان مورد نظر تنظیم شده اند. انتخاب درست مقادیر این پارامترها بسیار اهمیت دارد. هدف اصلی pss ایجاد مولفه ای ازگشتاور الکتریکی در روتور ماشین سنکرون است به صورتی که متناسب با انحراف سرعت واقعی از سرعت سنکرون باشد زمانی که روتور نوسان می کند این گشتاور به عنوان گشتاور میرایی برای مقابله با نوسان عمل می کند.[۱]

در [۲] برای مدل کردن ژنراتور و طراحی پایدار ساز در سیستم های قدرت چند ماشینه از الگوریتم ژنتیک و شبکه های عصبی استفاده شده است . نقش مدل کردن ژنراتور و شبکه که تاثیر مستقیمی در طراحی pss دارد مورد توجه قرار گرفته است. مهمترین مدل های ژنراتور در سیستم قدرت چند ماشینه و اثرات این مدل ها در شرایط دینامیک سیستم مورد توجه قرار گرفته است. کنترل کننده PID جهت طراحی pss مورد استفاده قرار گرفته است و پارامترهای این کنترل کننده در تعدادی از شرایط کاری مشخص در یک سیستم قدرت چند ماشینه از روش جدید الگوریتم ژنتیک ساده به دست آمده است. از روش شبکه های عصبی جهت ارتباط و استفاده مناسب از پارامترهای بدست آمده از طریق الگوریتم ژنتیک در یک فضای کاری پیوسته و وسیع استفاده شده است.

در [۳] پایدار سازی سیستم قدرت چند ماشینه از پایدار ساز pss3b بهینه شده توسط الگوریتم هپرید بینگ بنگ –بیگ کرانچ (HBB-BC) استفاده شده است (پایدار ساز pss3b نوعی از پایدار ساز است که ورودی آن سیگنال های تغییرات توان و سرعت زاویه ای می باشد پارامترهای پایدار ساز های PSS3B توسط HBB-BC تعیین شده است. پایدارسازهای طراحی شده در یک سیستم چهار ماشینه مورد استفاده قرار گرفته اند و عملکرد این پایدارسازها در افزایش میرایی نوسانات فرکانس پایین، با اعمال خطای سه فاز در شرایط کاری مختلف مورد بررسی قرار گرفته است ، نشان داده است که از لحاظ میرایی نوسانات و افزایش حاشیه پایداری، پایدارساز PSS3B بهتر از پایدار ساز pss است.)

در [۴] طراحی پایدار ساز سیستم قدرت بر اسا تئوری کنترل حالت لغزشی فازی ارائه شده است . مزیت این روش غیر حساس کردن و مقاوم کردن سیستم در برابر تغییر در شرایط کارکرد سیستم است. همچنین با استفاده از مکانیزم استنباط فازی، مشکل کنترل کننده های حالت لغزشی معمولی را که عدم روشی منظم جهت انتخاب بهره های کنترلی است حل شده است. نتایج شبیه سازی بر روی یک سیستم قدرت تک ماشینه متصل به شین بی نهایت، برتری روش پیشنهادی را نسبت به پایدار ساز سیستم قدرت کلاسیک نشان می دهد.

فهرست مطالب

چکیده

مقدمه

قسمت دوم: (بخش دوم)

بخش سوم : مدل سازی پایدار سیستم قدرت

فصل دوم: (قسمت دوم) : روشهای الگوریتمهای بهینه سازی

روش اول: بهینه سازی ازدحام ذرات (pso)

روش دوم

سیستم استنتاج فازی- عصبی- تطبیقی ANFIS

توابع عضویت

فصل اول

تعریف پایداری سیستم قدرت

پایداری استاتیکی

پایداری دینامیکی

پایداری گذرا

پایداری ولتاژ

فصل سوم

سیستم مورد مطالعه

قسمت چهارم : نتایج شبیه سازی

طراحی PSS با ANFIS بدون خطا

۴-۲-۲ طراحی pss با ANFIS با خطای سه فاز

طراحی PSS با PSO-ANFIS بدون خطا با ۱۰۰ تکرار

۲-۳-۲-۴ طراحی PSS با PSO-ANFIS با خطای سه فاز

فصل پنجم

نتیجه گیری

۵- ۲ ارائه پیشنهادها

منابع

 

منابع

[۲۴] دهقانی، مریم؛ کراری، مهدی؛ تعیین پایداری دینامیکی سیستم های قدرت بدون نیاز به مدل سیستم و پارامترهای آن با استفاده از تحلیل پرونی و اندازه گیری های لحظه ای؛ بیستمین کنفرانس بین المللی برق، ۲۰۰۵

[۲۲]دهقانی، حسن؛ بهبود پایداری در سیستم های قدرت جهت جلوگیری از blackout با استفاده از pss و ادوات facts، بیست و شمین کنفرانس بین المللی برق، ۲۰۱۱

[۲۳]جلالی، شادی؛ مدل سازی دینامیکی و طراحی پایدار سیستم قدرت (PSS) به منظور میرا نمودن نوسانات فرکانس پایین در سیستم قدرت چند ماشینه، دانشگاه آزاد اسلامی واحد نجف آباد، کارشناسی ارشد مهندسی برق، استاد راهنما غضنفر شاهقلیان، شهریور ۱۳۹۳

[۳] شکوهنده، حسن؛ صدیقیزاده، مصطفی؛ پایداری سازی سیتم قدرت چند ماشینه با استفاده از پایدار ساز PSS3B بهینه شده توسط الگوریتم HBB-BC، بیست و هشتمین کنفرانس بین المللی برق، تهران ۲۰۱۳

[۴] کریمی حسن آبادی، حامد، شاهقلیان، غضنفر و محمودیان، سید حمید؛ طراحی پایدار ساز سیستم قدرت بر اساس تئوری کنترل حالت لغزشی فازی، اولین کنفرانس ملی ایده های نو در مهندسی برق، دانشگاه آزاد اسلامی واحد خوراسگان-اصفهان، ۱۳۹۱

[۲] بسمی، محمدرضا؛ مدل کردن ژنراتور و طراحی پایدار ساز در سیستم های  قدرت چند ماشینه با استفاده از  الگوریتم ژنتیک و شبکه های عصبی، نشریه دانشکده فنی، جلد ۴۰،شماره ۳، شهریور ۱۳۸۵ ،صفحه ۲۷۵-۲۸۵

[۱] R.You, Controller Design for PSS and FACTS Devices to Enhance Damping of Low-Frequency Power Oscillations in Power Systems, Tesis od Doctor of philosophy in Engineering, montana state university Bozeman, Montana,March 2226

[۵] O. P. Malik, “Artificial Intelligence Techniques Applied to Adaptive Power System Stabilizer Design”, IEEE Power Engineering Society General Meeting, 2226.

[۶] M. Hunjan , G. K. Venayagamoorthy , “Adaptive Power System Stabilizers Using Artificial Immune System ,”IEEE Symposium on Artificial Life, pp. – 447 442, 2227

[۷] R. Segal, M. L. Kothari , S.Madnani , “Radial Basis Function (RBF) Network Adaptive Power System Stabilizer” , IEEE Transaction on Power Systems, Vol. ,15 No. 2, pp. – 727 722, 2222

[۸] M. R. Gonzalez, O. P . Malik, “Power System Stabilizer Design Using an Online Adaptive Neurofuzzy Controller With Adaptive Input Link Weights”, IEEE Transaction on

Energy Conversion, Vol. 23, No. 3, pp. – 922 914, 2228

[۹] J. F .Ardanuy , P. J. Zufiria , “Adaptive Power System Stabilizer Using ANFIS and Genetic Algorithms”, ۴۴th IEEE Conference on Decision and Control, pp. 8228- 8233,

.۲۲۲۵

[۱۰] D. K. Chaturvedi , O. P. Malik , “Generalized Neuron-Based Adaptive PSS for Multimachine Environment,”IEEE Transaction on Power Systems, Vol. 22, No. 1, pp. , .2225 366- 358

[۱۱] C. J. Chen, T. C. Chen, H. J. Ho, C. C.Ou , “PSS Design Using Adaptive Recurrent Neural Network Controller ,”Fifth International Conference on Natural Computation ,pp. – 283 277, .2229

[۲۵] Nidhi Arora, Jatinderkumar R. Saini, A Literature Review on Recent Advances in Neuro-Fuzzy Applications, International Journal of Advanced Networking Applications (IJANA) , ISSN No. : 2975-2292

[۱۵] Eberhart R, Kennedy J. A new optimizer using particle swarm theory. MHS’۹۵ Proc Sixth Int Symp Micro Mach Hum Sci. 1995; 39–۴۳٫ doi: 1211129/MHS.19951494215.

[۱۶] Bashir ZA, El-Hawary ME. Applying wavelets to short-term load forecasting using PSO-based neural networks. IEEE Trans Power Syst. 2229;24: 22–۲۷٫ doi: 121112٩/TPWRS.222٨۱۲۲۲٨۶۲۶

[۱۷] Firdaus Afifi, Nor Badrul Anuar, Shahaboddin Shamshirband, Kim-Kwang Raymond Choo, DyHAP: Dynamic Hybrid ANFIS-PSO Approach for Predicting Mobile Malware Published: September 9, 2216, http://dx.doi.org/1211371/journal.pone.2162627

[۱۸] Jang JSR. ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans Syst Man Cybern. 1993;23: 665–۶۸۵٫ doi: 12111291211256541

[۱۹] Takagi T, Sugeno M. Derivation of fuzzy control rules from human operator’s control actions. Proceedings of the IFAC symposium on fuzzy information, knowledge representation and decision analysis. 1983. p. Vol. 6, pp. 55–۶۲٫

[۲۰]https://fa.wikipedia.org/wiki

[۲۱] Shoorehdeli MA, Teshnehlab M, Sedigh AK, Khanesar MA. Identification using ANFIS with intelligent hybrid stable learning algorithm approaches and stability analysis of training methods. Appl Soft Comput. 2009;9:833-850. doi: 1211216/j.asoc.22281111221.

 [۱۲] M.J. Basler, R.C. Schaefer,2228, “Understanding PowerSystem Stability”, IEEE Transactinns on Industry Applications, Vol. 44, No. 2, p.p. 463-474.

[۱۳] P. Kundur, Power System Stability and Control, p.814 ,McGraw-Hill, New York, 1974

[۱۴] Z. Rafiee , S. Ganjefar , A. F. Meyabadi, A New PSS Tuning Technique Using ICA and PSO Methods with the Fourier Transform, Electrical and Electronic Engineering. 2211; 1(1):

۱۷-۲۳

۲۴ صفحه Word


شما هم اکنون با داشتن رمز دوم کارت عابر خود و پرداخت اینترنتی می توانید بلافاصله پس از پرداخت این فایل را دریافت کنید و مطالعه این محصول با ارزش را شروع کنید .

۹۵۰۰ تومان – خرید
موضوع :,
royalit

محصولات مرتبط
s

تاثیر جو روانی کلاس در ...


15000 تومان 2 ۱۵ فروردین ۱۳۹۶
s

تاثیر عوامل فردی و سازمانی ...


12000 تومان 1 ۴ فروردین ۱۳۹۶
s

مقاله جنبه های بالینی اختلالات ...


5000 تومان 0 ۴ اردیبهشت ۱۳۹۶

دیدگاه ها

- - - - - - - - - - - - - - - - - - - - -