رویکرد مبتنی بر هوش مصنوعی برای بهبود کنترل فرکانس در سیستم قدرت هیبریدی

کنترل فرکانس روی شبکه ها با استفاده از روش کنترل دروپ فرکانس انجام می شود که مزیت آن سادگی است، با وجود این که در وضعیت های خاصی، کنترل فرکانس خیلی کارآمد نیست. روش های هوش مصنوعی به طور فزاینده استفاده شده اند، بنابراین بررسی اعتبار آنها در شبکه های الکتریکی توجیه دارد. این پژوهش کاربرد هوش مصنوعی در شبکه ها برای بهبود کنترل دروپ فرکانس را بررسی می کند. برای تحقق این امر، در این مقاله یک عملگر مبتنی بر یادگیری عمیق تقویت شده (DRL) برای تنظیم پارامترهای کنترل کننده برای مبدل منبع ولتاژ پیشنهاد می شود. عملگر مبتنی بر یادگیری عمیق تقویت شده با شرایط عملیاتی متعدد شبکه آموزش داده می شود تا به روش کنترل بهینه تکیه کند، که باعث می شود به تطابق خوبی با انواع شرایط عملیاتی دست یابد. برای اثبات این روش، یک مدل شبیه سازی دامنه-زمان سیستم قدرت ترکیبی با MATLAB/Simulink ساخته می شئد تا به عنوان سیستم آزمون عمل کند. نتایج شبیه سازی کارایی روش پیشنهادی را تایید می کند.

کلیدواژه ها:

پشتیبانی فرکانس ، جریان مستقیم چند پایانه ای ، کنترل عمیق ، یادگیری عمیق تقویت شده