کنترل غیرمتمرکز بار- فرکانس در سیستم‌های قدرت چند ناحیه‌ای با استفاده از روش کنترل پیشبین مدل عصبی (MPC-NN)

مساله کنترل بار- فرکانس (LFC) یکی از موضوعات اساسی و مهم در طراحی و بهره‌برداری از سیستم‌های قدرت است، در یک سیستم قدرت، فرکانس عامل مشترکی است که به تعادل توان حقیقی بستگی دارد. و برای عملکرد مناسب سیستم، این عامل بایستی ثابت بماند، یکی از کنترل‌کننده‌های که به این منظور در سیستم (LFC) مورد استفاده قرار می‌گیرد کنترل‌کننده پیش‌بین مبتنی بر مدل (MPC) می‌باشد، که به دلیل پیش‌بینی رفتار آینده سیستم در مقابل عوامل غیر خطی نظیر محدودیت‌های نرخ تولید (GRC) و باند مرده گاونر و همچنین تغییر پارامترهای دینامیکی در حضور اغتشاشات، دارای عملکرد کنترلی مطلوبی است، البته این روش معایبی هم دارد که مهم‌ترین آنها، وجود محاسبات پیچیده و زمان‌بر در مواقعی است که دینامیک فرآیند در حال تغییر و یا غیرخطی باشد. در این مقاله برای رفع عیوب فوق در کنترل‌کننده پیش‌بین مبتنی بر مدل از یک شبکه عصبی MLP دولایه با تابع انتقال زیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی، با استفاده از الگوریتم آموزشی L-M جهت شناسایی غیرخطی سیستم و بهبود عملکرد آن استفاده شده است. همچنین عملکرد کنترل پیش‌بین عصبی (MPC-NN) در کنترل نوسانات فرکانس و توان سیستم‌های قدرت دو ناحیه‌ای، با عملکرد کنترل‌کننده‌های پیش‌بین مبتنی بر مدل (MPC) و PI کلاسیک مقایسه شده است. نتایج حاصل نشان می‌دهد که کنترل‌کننده پیشنهادی (MPC-NN) عملکرد بسیار مطلوب‌تری نسبت به دو کنترل‌کننده دیگر داشته و می‌تواند اثر اغتشاشات ناگهانی تغییرات بار را با سرعت مناسب میرا کند