تخمین مؤلفه های هارمونیک سیستم قدرت با استفاده از الگوریتم های هوشمند و بازگشتی

بارهای غیرخطی نقش به سزایی در تولید هارمونیکی سیستم های قدرت دارند که امروزه به یک چالش جدی در صنعت برق تبدیل شده است. در حالی که روش ها و الگوریتم های بسیاری جهت تخمین مؤلفه های هارمونیک ارائه شده است، بهبود و عملکرد دقیق این روش ها جهت تخمین دقیق پارامترهای هارمونیک می تواند نقش مؤثری در مبحث کیفیت توان داشته باشد. در این مقاله برای اولین بار از روش ترکیبی محاسبات نرم (الگوریتم بهینه سازی Blended Biogeography-based Optimization)BBO) و روش الگوریتم بازگشتی Multi Innovation Forgetting Gradient)MIFG) در روش پیشنهادی تخمین اولیه (با داده های اندک) پارامترهای مجهول توسط الگوریتم BBO انجام می گیرد و خروجی بهینه سازی شده توسط الگوریتم BBO به عنوان ورودی برای الگوریتم MIFG که بصورت آنلاین می باشد، در نظر گرفته 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 Recursive Least-Squares- Forgetting Factor( RLSFF) می باشد که کارایی این روش را نشان می دهد.

کلیدواژه ها:

هارمونیک سیستم قدرت ، الگوریتم BBO ، الگوریتم MIFG ، الگوریتم RLSFF