کنترل بهینه مبتنی بر پیشبین مدل (MPC) و شبکه عصبی مصنوعی (ANN) برای مبدل بازوی تناوبی (AAC) مورد استفاده در سیستم HVDC

این پژوهش به طراحی یک چارچوب کنترل پیشبین مدل (MPC) برای تنظیم جریان و ولتاژ در مبدل بازوی تناوبی (AAC) می پردازد. نوآوری اصلی کار بهینه سازی ضرایب وزنی توابع هزینه MPC با بهره گیری از شبکه عصبی مصنوعی (ANN) است. برای این منظور، یک شبکه عصبی با دو ورودی و دو خروجی توسعه داده شده است؛ ورودی ها شامل ولتاژ لینک DC و خطای آن نسبت به مقدار مرجع بوده و خروجی ها به ترتیب ضرایب وزنی توابع هزینه جریان و ولتاژ هستند که در فرآیند تصمیم گیری MPC استفاده می شوند. به این ترتیب کنترلر قادر خواهد بود متناسب با شرایط دینامیکی سیستم از جمله وقوع خطای ac ضرایب بهینه را انتخاب کرده و دستورات کنترلی مناسب برای سوئیچ های AAC تولید کند. از آنجا که اهداف متعدد در MPC تنها در صورت تنظیم صحیح ضرایب وزنی قابل تحقق هستند، عدم تنظیم مناسب می تواند به ناپایداری کنترلر و در نهایت سیستم منجر شود، به ویژه در شرایط اغتشاش. برای ارزیابی کارایی روش پیشنهادی، شبیه سازی های مختلفی روی شبکه HVDC تحت سناریوی خطای ac انجام شده است. در ادامه، عملکرد کنترلر پیشنهادی با MPC متعارف بدون بهینه سازی مبتنی بر ANN مقایسه می گردد. نتایج بیانگر آن است که روش ترکیبی ANN-MPC در شرایط خطا از دقت بالاتری در دنبال کردن مقادیر مرجع برخوردار بوده و نسبت به روش غیر بهینه عملکرد مطلوب تری ارائه می دهد.

کلیدواژه ها:

کنترل بهینه مبتنی بر پیشبین مدل ، شبکه عصبی مصنوعی ، مبدل بازوی تناوبی ، شبکه HVDC