ار ائه یک روش جدید در کنترل سیستم تحریک توسط کنترل کننده عصبی با هدف مینیمم شدن نوسانات محور ژنراتور
Publish place: 6th Electric Power Generation Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 815
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EPGC06_022
تاریخ نمایه سازی: 25 خرداد 1393
Abstract:
پایداری ولتاژ ومیرایی نوسانات توان در سیستم های قدرت همواره به عنوان یکی از مهمترین مسائل مربوط به صنعت برق مطرح بوده است. در این میان نقش سیستم تحریک در بهبود پایداری سیستم های قدرت بسیار مهم می باشد. در این مقاله با توجه به اهمیت زیاد سیستم تحریک، رفتار سیستم تحریک و سیستم تحت مطالعه با پیشنهاد کنترل کننده های مختلف بررسی شده است. این کنترل کننده ها از نظر ساختار، نحوه کنترل و روش کنترلی با هم متفاوت می باشند. برای ارزیابی عملکرد کنترل کننده ها پاسخ پله سیستم ارزیابی شده است. در مرحله اول سیستم تحت مطالعه توسط کنترل کننده کلاسیک مدل سازی و ضرایب ان توسط روش زیگلر نیکولز به صورت بهینه بدست آمده است. در ادامه برای بهبود عملکرد کنترل کننده کلاسیک از کنترل کننده فازی استفاده شده است. این کنترل کننده به دلیل انعطاف پذیری در طراحی و عدم نیاز به معادلات پیچیده سیستم دارای عملکرد بهتری نسبت به کنترل کننده کلاسیک می باشد. در مرحله بعد جهت بهبود عملکرد کنترل کننده فازی، ساختار جدیدی از کنترل کننده عصبی که در ساختار درونی و الگوریتم آموزش متفاوت می باشد، پیشنهاد شده است. کنترل کننده عصبی پیشنهادی از نوع پرسپترون چند لایه اسست که یکی از پرکاربردترین کنترل کننده های عصبی می باشد. در این کنترل کننده از الگوریتم بهینه سازی آموزش و یادگیری (TLBO) برای آموزش کنترل کننده استفاده شده است. کلیه شبیه سازیها در محیط سیمولینک و برنامه نویسی نرم افزار متلب انجام شده است. نتایج بدست آمده از شبیه سازی سیستم تحت مطالعه نشان دهنده کارایی بالای کنترل کننده عصبی پیشنهادی می باشد
Keywords:
سیستم تحریک , کنترل کننده فازی , کنترل کننده عصبی پرسپترون , الگوریتم بهینه سازی آموزش و یادگیری (TLBO)
Authors
فاطمه داودی
دانشگاه رازی کرمانشاه، ایران- شرکت مدیریت تولید برق بیستون
غلامحسین شیسی
Teaching Learning Based Optimization-Razi University
حمدی عبدی
Razi University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :