شناسایی مدل نروفازی خطی-محلی برای سیستم قدرت

در این مقاله شناسایی مدل نروفازی خطی -محلی 1 برای سیستم قدرت با هدف نظارت بر شبکه 2 مورد بررسی قرار میگیرد. از آنجائیکه به دلیل گستردگی شبکه قدرت، تعداد ورود یهای مدل یک سیستم قدرت واقعی بسیار زیاد میباشد, شناسایی مدل های عصبی RBF 4 یا 3MLPمتعارف نیازمند تعداد زیاد نرون در لایه میانی است تا دستیابی به خطای قابل قبول در تخمین سیستم را برآورده سازد . در مدل نروفازی خطی - محلی خروجی هر نرون از ترکیب یک تابع غیر خطی و یک مدل خطی حاصل می شود. بدین ترتیب با تعداد نرو ن های کمتر در لایه میانی می توان به خطای قابل قبول در تخمین سیستم دست یافت . علاوه بر این، با لحاظ نمودن دینامیک برای مدل نویز در مد ل های خطی محلی , میتوان تاثیر برخی عدم قطعیت ها را در شناسایی سیستم کاهش داد و کیفیت شناسایی را بهبود بخشید. Iسیستم قدرت تحت مطالعه شبکه استاندارد 14 باسهEEE میباشد. با شبیه سازی این سیستم توسط نرم افزاری تحلیل گذرای سیستم قدرت (PSCAD/EMTDC)،سیگنا ل های،مورد نیاز برای شناسایی مدل استخراج شده است . تغییرات نقطه کار سیستم قدرت بر کیفیت مدل شناسایی شده مورد بررسی قرار گرفته است و روشی برای بهبود کیفیت شناسایی و افزایش مقا ومت مدل به تغییر نقطه کار سیستم ارائه شده است.

Keywords:

مدل نروفازی خطی-محلی , شبکه عصبی , رؤی تپذیری