مدل سازی و طراحی کنترلر PID برای کنترل ولتاژ ریزشبکه های هیبریدی با استفاد از الگوریتم یادگیری Q
- سال انتشار: 1403
- محل انتشار: سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات
- کد COI اختصاصی: ICCPM03_006
- زبان مقاله: فارسی
- تعداد مشاهده: 122
نویسندگان
کارشناسی ارشد دانشکده مهندسی برق- دانشگاه آزاد- سنندج- ایران
دکتری دانشکده مهندسی برق- دانشگاه آزاد - سنندج- ایران
چکیده
در این مقاله، به مدل سازی و طراحی کنترل کننده PID برای مدیریت ولتاژ و فرکانس در سیستم های ریزشبکه های هیبریدی پرداخته شده است. برای بهبود عملکرد این سیستم ها، الگوریتم یادگیری Q به عنوان یک روش تطبیقی به کار گرفته شده است هدف اصلی این پژوهش، افزایش پایداری و کارایی ریزشبکه ها است. ابتدا، مدل ریاضی سیستم های ریزشبکه هیبریدی توسعه یافته و سپس کنترل کننده PID جهت کنترل ولتاژ و فرکانس طراحی شده است. به منظور بهینه سازی عملکرد سیستم در مواجهه با تغییرات و شرایط متغیر، الگوریتم یادگیری Q به این کنترل کننده اضافه شده است. نتایج نشان میدهد که استفاده از الگوریتم یادگیری Q میتواند عملکرد کنترل فرکانس و ولتاژ را بهبود بخشد و با تغییرات سیستم سازگار شده و مقادیر بهینه ضرایب PID را تعیین کند کنترل کننده Q-learning PI به عنوان یک روش کارآمدتر نسبت به کنترل کننده های PI معمولی، فازی PI و PSO معرفی شده است این کنترل کننده توانایی دارد که فرکانس و ولتاژ را سریع تر و پایدارتر به حالت مرجع بازگرداند. به طور خاص، کنترل کننده Q-learning PI عملکرد بهتری در کنترل فرکانس نشان داده است، در حالی که کنترل کننده PI معمولی با سرعت کمتر و دقت پایین تری به وضعیت مطلوب بازمی گردد و کنترل کننده فازی PI نیز نتوانسته عملکرد مطلوبی از خود نشان دهد. در نتیجه، کنترل کننده Q-learning PI به عنوان یک روش موثر و برتر برای کنترل فرکانس در ریزشبکه ها شناخته شده است.کلیدواژه ها
طراحی کنترلر PID، ریزشبکه های هیبریدی، کنترل فرکانس، کنترل ولتاژ، الگوریتم های یادگیری Qمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.