An Optimum Control Strategy of the STATCOM for Electrified Railway Systems Using PSO
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,247
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PEDSTC01_005
تاریخ نمایه سازی: 21 تیر 1391
چکیده مقاله:
this paper presents a gain-scheduling adaptive control scheme of a static synchronous compensator (STATCOM) in AC electrified railway systems by means of Particle Swarm Optimization (PSO). A STATCOM with the PSO-implemented controller is considered to reduction harmonic distortion and voltage fluctuations for AC traction loads. Firstly, the dc bus capacitor voltage is measured for achieving to the fitness function to obtain an optimized control of dc bus voltage under dynamic and unbalanced load conditions. Then, the best parameters of the controller Kp and Ki has been evaluated by using PSO as a population-based optimization tool. Finally, the performance of the STATCOM to various loads perturbations and unbalancing has been adaptively controlled with gain-scheduling procedure in terms of reduction stress on the dc bus capacitor voltage. A detailed simulation in MATLAB/Simulink environment has shown that decline of total harmonic distortion (THD) in term of source current in AC electrified railway systems.
کلیدواژه ها:
نویسندگان
abbas Soltani nia
is with Young Researcher Club, Islamic Azad University Science and Research Campus Tehran, Iran.
Mohammad Javad Sadeghi
are with railway school of the University of Science and Technology Tehran, Iran.
Seyed Saeed fazel
are with railway school of the University of Science and Technology Tehran, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :