آنالیز مؤلفه های اصلی هامونیک سیستم قدرت توسط روش الگوریتم BFO و روش Stochastic Gradient Forgetting Factor

امروزه مسئله کیفیت توان یکی از مسائل حائز اهمیت در سیستم قدرت می باشد. وجود هارمونیک در سیستم قدرت باعث بوجود امدن اشکالاتی در شبکه می شود به همین علت تخمین هارمونیک های مرتبه بالا بسیار حائز اهمیت می باشد بدست اوردن پارامترهای هارمونیک های مرتبه بالا جهت کنترل سیستم های قدرت وبهبود عملکرد رله سیستم قدرت، افزایش دقت در پایش کیفیت توان بهره براداری و کنترل بهتر از ادوات الکترونیکی می شود. در این مقاله برای اولین بار از روش ترکیبی الگوریتم های بازگشتی SGFF((Stochastic Gradient with Variable Forgetting Factor که از روش ضریب فراموشی متغیر برای تخمین بهتر پارامترهای مجهول به همراه الگوریتم بهینه سازی Bacterial Foraging) BFO Optimization) برای تخمین مؤلفه های دامنه و فاز هارمونیک سیستم قدرت به کار گرفته شده است. شایان ذکر است که تخمین هارمونیک، یک مسئله غیر خطی می باشد که استفاده از الگوریتم های بهینه سازی خطی برای حل مسئله ،باعث کند شدن سرعت همگرایی می شود، به همین علت برای تخمین اولیه از الگوریتم BFO استفاده شده است. در این مقاله ابتدا با استفاده از تعداد داده های اندک ،توسط روش Off line یعنی به کمک الگوریتم BFO مقدار پارامترهای اولیه را برای الگوریتم SGVFF بدست آورده و پس از آن الگوریتم SGVFF بصورت on line به کار گرفته می شود. در روش ترکیبی به کار رفته در این مقاله دامنه و فاز به صورت همزمان تخمین زده می شود. نتایج شبیه سازی نشان می دهد که روش پیشنهادی دارای سرعت همگرایی سریع تر نسبت به مقدار واقعی و عملکرد بهتر و دقت بالاتر در سیستم آغشته به نویز نسبت به روش RLSFF(Recursive Least-Squares- Forgetting Factor ) می باشد که کارایی این روش را نشان می دهد.

کلیدواژه ها:

هارمونیک سیستم قدرت ، الگوریتم BFO ، الگوریتم SGVFF ، الگوریتم RLSFF