طراحی پایدارساز سیستم قدرت با ساختار بهینه برای یک سیستم قدرت چند ماشینه به منظور میرا کردن نوسانات فرکانس پایین با استفاده از الگوریتم‌های فرا ابتکاری

نوع مقاله : مقاله مستقل

نویسنده

استادیار، دانشگاه صنعتی خاتم‌ الانبیاء بهبهان، دانشکده فنی و مهندسی

چکیده

جهت پاسخگویی به تقاضای انرژی، گسترش شبکه‌های انتقال باعث رخ دادن نوساناتی بـا فرکانس کم در سیستم قدرت شده است. این نوسانات در صورت میرا نشدن، قابلیت بـاردهی خطـوط انتقال شبکه را کاهش داده و گاهاً باعث ناپایداری کل سیسـتم مـیگردد. از این رو تنظیم بهینه پارامتر‌های پایدار‌ساز سیستم قدرت آن از اهمیت ویژه‌ای برخوردار است. این مهم باعث افزایش عملکرد مطلوب پایدار ساز در طی اغتشاش‌های ناخواسته می‌شود. در این مقاله، به‌منظور افزایش پایداری سیستم قدرت چند ماشینه و در نتیجه افزایش عملکرد کل سیستم قدرت، از الگوریتم بهینه سازی مبتنی برآموزش و یادگیری استفاده می‌شود. در واقع چون تنظیم بهینه پارامترهای کنترلی تأثیر مستقیم در میزان پایداری فرکانس پایین دارد، این امر به‌صورت یک مسئله بهینه‌سازی فرمول‌بندی شده و با الگوریتم جدید مبتنی برآموزش و یادگیری تنظیم بهینه پایدارساز سیستم قدرت انجام می‌گردد. برای بررسی کارا بودن روش پیشنهادی از یک شبکه نمونه چهار شینه استفاده می‌شود. با بررسی و مقایسه نتایج با استفاده از الگوریتم رقابت استعماری در حالت‌های مختلف نشان داده می‌شود که روش پیشنهادی با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری بسیار کاراتر می‌باشد.

کلیدواژه‌ها


[1] عرب یار محمدی ا، محمدیون م، سعدی م، محمدیون ح (2018) بهینه‌سازی مبدل حرارتی پوسته لوله‌ای به کمک الگوریتم ژنتیک و ازدحام ذرات. مجله مکانیک سازه‌ها و شاره‌ها 163-153 :(3)8.
[2] شایقی ح (1387) طراحی پایدارساز سیستم قدرت مقاوم به روش الگوریتم بهینه‌سازی اجتماع ذرات. طرح پژوهشی، دانشگاه محقق اردبیلی.
[3]  Kundur P, Balu NJ, Lauby MG (1994) Power system stability and control. McGraw-hill, New York.
[4]  Talaat HE, Abdennour A, Al-Sulaiman AA     (2010) Design and experimental investigation        of a decentralized GA-optimized neuro-fuzzy power system stabilizer. Int J Elec Power 32(7): 751-759.
[5]  Bouchama Z, Essounbouli N, Harmas M, Hamzaoui A, Saoudi K (2016) Reaching phase free adaptive fuzzy synergetic power system stabilizer. Int J Elec Power 77: 43-49.
[6]  Khodabakhshian A, Hemmati R (2012) Robust decentralized multi-machine power system stabilizer design using quantitative feedback theory. Int J Elec Power 41(1): 112-119.
[7]  Farahani M,Ganjefar S (2017) Intelligent power system stabilizer design using adaptive fuzzy sliding mode controller. Neurocomputing 226: 135-144.
[8]  Islam NN, Hannan M, Shareef H, Mohamed A (2017) An application of backtracking search algorithm in designing power system stabilizers for large multi-machine system. Neurocomputing 237: 175-184.
[9]  Ali E (2014) Optimization of power system stabilizers using BAT search algorithm. Int J Elec Power 61: 683-690.
[10] Segal R, Sharma A, Kothari M (2004) A self-tuning power system stabilizer based on artificial neural network. Int J Elec Power 26(6): 423-430.
[11] Abedinia O, Wyns B, Ghasemi A (2011)  Robust fuzzy PSS design using ABC. in Environment and Electrical Engineering (EEEIC), 2011 10th International Conference on.
[12] Werner H, Korba P, Yang TC (2003) Robust tuning of power system stabilizers using LMI-techniques. IEEE T Contr Syst T 11(1): 147-152.
[13] Hekimoğlu B (2020) Robust fractional order PID stabilizer design for multi-machine power system using grasshopper optimization algorithm. J Fac Eng Archit Gaz 35(1): 165-180.
[14] Butti D, Mangipudi SK, Rayapudi SR (2020) An improved whale optimization algorithm for the design of multi-machine power system stabilizer. Int T Electr Energy 30(2): e12314.
[15] Gaing ZL (2004) A particle swarm optimization approach for optimum design of PID controller in AVR system. IEEE T Energy Conver 19(2): 384-391.
[16] Zuo J, Li Y, Shi D, Duan X (2017) Simultaneous robust coordinated damping control of power system stabilizers (PSSs), static var compensator (SVC) and doubly-fed induction generator power oscillation dampers (DFIG PODs) in multimachine power systems. Energies 10(4): 565.
[17] Chaib L,Choucha A, Arif S (2017) Optimal design and tuning of novel fractional order PID power system stabilizer using a new metaheuristic Bat algorithm. Ain Shams Eng J 8(2): 113-125.
[18] Derafshian M, Amjady N (2015) Optimal design of power system stabilizer for power systems including doubly fed induction generator wind turbines. Energy 84: 1-14.
[19] Talatahari S, Taghizadieh N, Goodarzimehr V (2020) Hybrid teaching-learning-based optimization and harmony search for optimum design of space trusses. Journal of Optimization in Industrial Engineering 13(1): 177-194.
[20] Rao RV, Savsani VJ, Vakharia D (2011) Teaching–learning-based optimization: a novel method for constrained mechanical design optimization problems.          Comput Aided Des 43(3): 303-315.
[21] Kundur P, Klein M, Rogers G, Zywno MS (1989) Application of power system stabilizers for enhancement of overall system stability. IEEE T Power Syst 4 (2): 614-626.
[22] Elazim SA, Ali E (2016) Optimal power system stabilizers design via cuckoo search algorithm. Int J Elec Power 75: 99-107.
[23] Das TK, Venayagamoorthy KG (2006)  Bio-inspired algorithms for the design of multiple optimal power system stabilizers: SPPSO and BFA. in Conference Record of the 41st IEEE Industry Applications Conference, Tampa, FL.