تخمین آنلاین حد پایداری ولتاژ به کمک سیستم استنتاج فازی - عصبی تطبیقی بهینه شده و تبدیل موجک مبتنی بر تحلیل مولفه اساسی

در این مقاله، یک روش هوشمند به منظور تخمین آنلاین حد پایداری ولتاژ (VSM) براساس سیستم فازی - عصبی تطبیقی (ANFIS) بهینه شده ارائه شده است. الگوریتم بهینه سازی شاهین هریس (HHOA) به عنوان الگوریتم آموزش ANFIS استفاده شده است و روش مرسوم تبدیل موجک نیز به عنوان تکنیک استخراج ویژگی روی پروفیل ولتاژ شبکه اعمال خواهد شد. مشخصه های بارگذاری سیستم به عنوان ویژگی های اولیه به منظور تخمین VSM به کار می روند؛ به دلیل اینکه حاوی اطلاعات لازم درباره ساختار شبکه، سطوح بار، الگوی تولید و عملکرد سیستم کنترلی در شبکه است. به کمک تکنیک تبدیل موجک با قدرت تفکیک بالا (MRWT)، ویژگی های لازم برای ورود به بلوک ANFIS استخراج می شوند؛ اما به دلیل تنوع و تعدد این ویژگی ها به خصوص در شبکه های بزرگ، روش تحلیل مولفه اساسی (PCA) با هدف انتخاب ویژگی های غالب به کار خواهد رفت که بیشترین تاثیر را بر پایداری شبکه دارند. ویژگی این الگوریتم ترکیبی این است که می توان از آن، هم در شرایط دینامیکی و هم در شرایط استاتیکی شبکه استفاده کرد. درنهایت، الگوریتم پیشنهادی روی سیستم های تست ۳۹ و ۱۱۸ باس IEEE، پیاده سازی و نتایج آن ارزیابی شده است. مقایسه نتایج با مدل های مشابه تخمین VSM، نشان دهنده اثربخشی مدل پیشنهادی برای شبکه های قدرت بزرگ است.