شبم وحدتی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
احد کاظمی - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
شهرام جدید - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

در این مقاله، کاربرد شبکه های عصبی در کنترل بار - فرکانس ١ سیست مهای قدرت و آموزش آن با استفاده از الگوریتم یادگیری بازگشتی بلادرنگ ٢ پیشنهاد شده است . بلادرنگ بودن الگوریتم یادگیری سبب می شود که این شبکه در مقایسه با سایر شبکه های عصبی، بهترین گزینه برای هدف کنترل بار - فرکانس سیستم های قدرت باشد که در این سیستم ها زمان رسیدن پاس خ به مقدار مطلوب دارای اهمیت زیادی است . با استفاده از این کنترل کننده، خطای حالت ماندگار فرکانس و تبادلات ناخواسته توان خط رابط در یک مقدار مطلوب حفظ می شوند. روش پیشنهاد شده برای کنترل بار- فرکانس سیستم های قدرت تک ناحیه ای و دو ناحیه ای به کار رفته است . عملکرد سیستم قدرت با استفاده از هر دو کنترل کننده شبکه عصبی و کنترل کننده مرسوم انتگرالی، به طور جداگانه شبیه سازی شده است . مقایسه نتایج شبیه سازی، برتری عملکرد کنترل کننده شبکه عصبی را نشان می دهد. با استفاده از این کنترل کننده، سیستم با سرعت زیادی به حا لت مطلوب همگرا می شود.

کنترل بار- فرکانس، شبکه عصبی، یادگیری بازگشتی بلادرنگ، سیستم قدرت