کاربرد شبکه عصبی مصنوعی برای بهینه سازی توان راکتیو در سیستم های قدرتالکتریکی

این مقاله به بررسی یک روش مبتنی بر شبکه عصبی مبتنی بر شبکه (ANN) برای بهینه سازی توان راکتیو(VAR) سیستم های قدرت به هم پیوسته میپردازد. منابع توان راکتیو برنامه ریزی شده اند تا کل تلفات انتقال شبکه را به حداقل برسانند. ANN پیشنهادی برای این مطالعه یک شبکه سه لایه با انتشار رو به جلو با تابع انتقال sigmoidal است . شرایط بارگیری مختلف توان راکتیو به عنوان الگوی ورودی برای آموزش ANNاستفاده می شود. خروجی مطلوب ولتاژهای بهینه در باس های تحت کنترل VAR است . از آنجا که حالت حاصل از ANN ممکن است امکان پذیر نباشد و برخی از محدودههای ولتاژ از حد فراتر رود,یک رویکرد مبتنی بر قواعد برای کنترل تنظیمات متغیر کنترل استفاده می شود. سادگی ، سرعت پردازش بالا و توانایی مدل سازی توابع غیر خطی با استفاده ازANN ، روش بررسی شده را به گزینه ای مناسب برای بهینه سازی VAR تبدیل کرده است . نهایتا نتایج این روش بر روی یک سیستم قدرت واقعی نمایش داده میشود و نتایج آزمون ارائه شده کاربرد آن را برای بهینه سازی VAR در زمان واقعی نشان می دهد.

کلیدواژه ها:

تخمین تابع ، RBF ، شبکه عصبی ، feed forward ، بهینه سازی توا ن راکتیو ، سیستم ها ی برقبهم پیوسته