| تعداد نشریات | 44 |
| تعداد شمارهها | 1,877 |
| تعداد مقالات | 15,278 |
| تعداد مشاهده مقاله | 43,731,937 |
| تعداد دریافت فایل اصل مقاله | 17,564,306 |
طراحی پایدار ساز سیستم قدرت مبتنی بر شبکه موجک فازی به منظور میرا کردن نوسانهای فرکانس پایین سیستم قدرت | ||
| هوش محاسباتی در مهندسی برق | ||
| مقاله 1، دوره 1، شماره 1، بهمن 1389، صفحه 1-22 اصل مقاله (544.74 K) | ||
| نوع مقاله: مقاله پژوهشی فارسی | ||
| نویسندگان | ||
| مریم شهریاری کاهکشی1؛ احسان بی جامی2؛ فرید شیخ الاسلام* ؛ ملیحه مغفوری فرسنگی؛ مریم ذکری4؛ ملیحه مغفوری فرسنگی؛ ملیحه مغفوری فرسنگی5؛ احسان بی جامی؛ مریم شهریاری کاهکشی؛ | ||
| 1دانشجوی دکتری کنترل، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران | ||
| 2دانشجوی کارشناسی ارشد کنترل، دانشکده مهندسی برق و کامپیوتر-دانشگاه صنعتی اصفهان - اصفهان- ایران | ||
| 3دانشیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران | ||
| 4استادیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران | ||
| 5دانشیار، دانشکده فنی و مهندسی- گروه مهندسی برق- دانشگاه شهید باهنر کرمان - کرمان- ایران چکیده | ||
| چکیده | ||
| در این مقاله، یک روش جدید مبتنی بر شبکههای موجک فازی (FWN)، برای طراحی پایدارساز سیستم قدرت (PSS) به منظور میرا کردن نوسانهای فرکانس پایین سیستم قدرت ارائه شده است. شبکه موجک فازی که از تئوری موجک و مفاهیم فازی الهام گرفته شده است، برای طراحی همزمان دو پایدارساز سیستم قدرت بهکار رفته است، که در آن، خطای بین خروجی مطلوب سیستم و خروجی واقعی به منظور آموزش پارامترهای شبکه موجک فازی استفاده استفاده میشود. الگوریتم حداقل مربعات متعامد (OLS) برای تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثر، تعیین تعداد زیرشبکههای عصبی موجک و قوانین فازی استفاده شده است. همچنین در این مقاله، از الگوریتم جهش قورباغههای به هم آمیخته(SFL) به منظور آموزش پارامترهای شبکه موجک فازی و یافتن مقادیر بهینه پارامترهای پایدار ساز استفاده شده است. به منظور نشان دادن قابلت و توانایی روش پیشنهادی، مطالعات عددی بر روی یک سیستم تست 2-ناحیه-4 ماشین ارائه شده است. همچنین به منظور نشان دادن مقاوم بودن پایدارسازهای طراحی شده دو نوع خطای سه فاز و تک فاز به سیستم اعمال شده است. و نیز به منظور انجام یک مقایسه دو پایدار ساز کلاسیک با ساختار پیشفاز-پسفاز طراحی شده اند که پارامترهای آنها با استفاده از الگوریتم SFL تنظیم شده است. نتایج شبیه سازی قابلیت و برتری پایدار سازهای طراحی شده مبتنی بر شبکه موجک را نشان می دهند. | ||
| کلیدواژهها | ||
| شبکه موجک فازی؛ الگوریتم جهش قورباغههای به هم آمیخته؛ پایدار ساز سیستم قدرت؛ نوسانهای فرکانس پایین | ||
| مراجع | ||
|
منابع [1] Kundur, P., "Power system stability and control", McGraw-Hill, USA, 1994. [2] Chen, G. P., Malik, O. P., Hope, G. S., Qin, Y. H., and Xu, G. Y., "An adaptive power system stabilizer based on the self-optimization pole shifting control strategy",IEEE Trans. on Energy Conversion, Vol. 8, No. 4, 1993. [3] Yousef, A. M., Kassem, A. M., "Optimal pole shifting controller for interconnected power system", Energy Conversion and Management, Vol. 52, 2011. [4] Furini, M. A., Pereira, A. L. S., Araujo, P. B., “Pole placement by coordinated tuning of Power System Stabilizers and FACTS-POD stabilizers”, Electrical Power and Energy Systems, Vol. 33, 2011. [5] Farsangi, M. M., Song, Y. H., Tan, M., “Multi-objective design of damping controllers of FACTS devices via mixed H2/ H∞ with regional pole placement,” Electrical Power and Energy Systems, Vol. 25, 2003. [6] Zhu, C., Khammash, M., Vittal, V. and Qiu, W., “Robust Power System Stabilizer Design Using H∞ Loop Shaping Approach,”IEEE Trans.On Power Sysrem, Vol. 18, No. 2, 2003. [7] Soliman, M., Elshafei, A. L., Bendary, F., Mansour, W., “Robust decentralized PID-based power system stabilizer design using an ILMI approach”, Electric Power Systems Research, Vol. 80, 2010. [8] Xia, D., Heydt, G. T., “Self-tuning controller for generator excitation control,”IEEE Trans. PAS, Vol. 102, , 1983. [9] Ramakrishna, G., Malik, O. P., “Adaptive PSS using a simple on-line identifier and linear pole-shift controller”, Electric Power Systems Research, Vol. 80, 2010. [10] Abdelazim, T., and Malik, O.P., “An adaptive Power System Stabilizer Using On-line Self-learning Fuzzy Systems” In Proceedings, IEEE Power Engineering Society 2003 General Meeting, July 13-17, Toronto, Canada, 2003. [11] You, R., Eghbali, H. J., Nehrir, M. H., “An Online Adaptive Neuro-Fuzzy Power System Stabilizer for Multimachine Systems” IEEE Transaction on Power System, Vol. 18, No.1, 2003. [12] Hwang, G. H., Kim, D. W. J., Lee, H., An, Y. J.,” Design of fuzzy power system stabilizer using adaptive evolutionary algorithm”, Engineering Applications of Artificial Intelligence, Vol. 21, 2008. [13] Hussein, T., Saad, M. S., Elshafei, A. L. Bahgat, A.,” Damping inter-area modes of oscillation using an adaptive fuzzy power system stabilizer”, Electric Power Systems Research, Vol. 80, 2010. [14] Liu, W., Venayagamoorthy, G. K., Wunsch, D. C., “Adaptive Neural Network Based Power System Stabilizer Design”, Proceedings of the International Joint Conference on Neural Network, 2003. [15] He, J., Malik, O.P, An Adaptive Power System Stabilizer Based on Recurrent Neural Networks. IEEE Transactions on Energy Conversion, Vol. 12, No. 4, 1997. [16] Duwaish, H. N., Hamouz, Z. A., “A neural network based adaptive sliding mode controller: Application to a power system stabilizer”, Energy Conversion and Management, Vol. 52, 2011. [17] Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Design of Power System Stabilizer Using Immune Algorithm. 14th International Conference on Intelligence Systems Application to power Systems ~ISAP2007~, 2007. [18] Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Damping of Inter-area Oscillation by Designing a Supplementary Controller for SVC Using Iimmune Algorithm, IFAC Symposium on Power Plants and Power System Control, 2007. [19] Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Design of a Supplementary Controller for SVC Using Hybrid Real Immune Algorithm and Local Search, IEEE Power Engineering Society General Meeting, 2008. [20] Bijami, E., Askari, J. and Farsangi, M.M., Power System Stabilizers Design by Using Shuffled Frog Leaping, The 6th International Conference on Technical and Physical Problems of Power Engineering, 2010. [21] Shayeghi, H., Shayanfar, H.A., Jalilzadeh, S., Safari, A.,” Multi-machine power system stabilizers design using chaotic optimization algorithm”, Energy Conversion and Management, Vol. 51, 2010. [22] Khaleghi, M., Farsangi, M. M., Nezamabadi-pour, H., Lee, K.Y., “Pareto-Optimal Design of Damping Controllers Using Modified Artificial Immune Algorithm”,IEEE Trans.syst man and cybernetics, 2011. [23] Ho, D. W. C., Zhang, P. A., Xu, J., “Fuzzy wavelet networks for function learning”. IEEE Trans. Fuzzy Systems, Vol. 9, No. 1, 2001. [24] Zekri, M., Sadri, S., Sheikholeslam, F., Adaptive Fuzzy Wavelet Network Control Design for Nonlinear Systems. Fuzzy Sets and Systems. Vol. 159, 2008. [25] Tang Tzeng S., Design of fuzzy wavelet neural networks using the GA approach for function approximation and system identification, Fuzzy Sets and Systems, Vol. 161, , 2010. [26] Abiyev, R. H., Kaynak, O., Fuzzy wavelet neural networks for identification and control of dynamic plants—a novel structure and a comparative study, IEEE Transactions on Industrial Electronics, Vol. 55, 2008. [27] Abiyev, R. H., Kaynak, O., Identification and control of dynamic plants using fuzzywavelet neural networks, 2008 IEEE International Symposium on Intelligent Control, Texas, USA, 2008. [28] Huynh, T. H., “A Modified Shuffled Frog Leaping Algorithm for Optimal Tuning of Multivariable PID Controllers”, IEEE International Conference on Industrial Technology, ICIT, 2008. [29] Eusuff, M. M., Lansey, K., Pasha, F., “Shuffled frog-leaping algorithm: a memetic meta-heuristic for discrete optimization,” Engineering Optimization, Vol. 38, No. 2, 2006. [30] Chow, J., Power System Toolbox: A Set of Coordinated m-Files for Use with MATLAB, ON, Canada: Cherry Tree Scientific Software, 1997.
| ||
|
آمار تعداد مشاهده مقاله: 2,738 تعداد دریافت فایل اصل مقاله: 1,194 |
||