تنظیم پارامترهای سیستم قدرت به وسیله آموزش شبکه عصبی پرسپترون چند لایه با الگوریتم VURPSO

در یک سیستم قدرت به دلیل وجود شرایط مختلف کاری اعم از تغییرات توان اکتیو، توان اکتیو، پارامترهای خط انتقال و ولتاژ شیمه ها نیاز است تا با استفاده از یک پایدار ساز سیستم قدرت (PSS)، سیستم قدرت مورد نظر در برابر اغتشاشات فرکانس پایین به وجود آمده ناشی از تغییرات ذکر شده محافظت شود و در نهایت به پایداری دینامیکی مطلوبی برسد. در این مقاله سعی شده است تا با طراحی یک شبکه عصبی پرسپترون چند لایهف پارامترهای یک پایدارساز سیستم قدرت به خوبی تنظیم شوند که در همه شرایط کاری مختلف باعث پایداری دینامیکی سیستم قدرت مورد نظر شوند. در این روش پیشنهادی آموزش شبکه عصبی توسط داده هایی صورت می گیرد که از الگوریتم VURPSO استخراج شده اند. از مزایای این الگوریتم، سرعت و دقت بیشتر آن است که می تواند مودهای نوسانی را سریع تر میرا کند. روش VURPSO در حقیقت روش تکاملی PSO می باشد که در آن نوسانات اضافی کاسته شده است و بهینه سازی با سرعت بیشتری صورت می گیرد. لذا داده های این الگوریتم، داده های مناسبی برای آموزش شبکه عصبی پیشنهادی می باشد. نتایج شبیه سازی ناشی از پیاده سازی الگوریتم مذکور بر روی یک شبکه نمونه بیانگر کاهش محاسبات و افزایش سرعت آن در کنار دقت در طراحی PSS و نحوه پایدارسازی آن می باشد.

کلیدواژه ها:

الگوریتم VURPSO ، الگوریتم PSO ، الگوریتم ژنتیک ، شبکه عصبی پرسپترون چند لایه ، پایدار ساز قدرت