فهرست مطالب
فصلنامه هوش محاسباتی در مهندسی برق
سال یکم شماره 1 (زمستان 1389)
- 144 صفحه، بهای روی جلد: 20,000ريال
- تاریخ انتشار: 1390/08/15
- تعداد عناوین: 7
-
-
صفحات 1-22در این مقاله، یک روش جدید مبتنی بر شبکه های موجک فازی (FWN)، برای طراحی پایدارساز سیستم قدرت (PSS) به منظور میرا کردن نوسان های فرکانس پایین سیستم قدرت ارائه شده است. شبکه موجک فازی که از تئوری موجک و مفاهیم فازی الهام گرفته شده است، برای طراحی همزمان دو پایدارساز سیستم قدرت به کار رفته است، که در آن، خطای بین خروجی مطلوب سیستم و خروجی واقعی به منظور آموزش پارامترهای شبکه موجک فازی استفاده استفاده می شود. الگوریتم حداقل مربعات متعامد (OLS) برای تعیین ابعاد شبکه، غربال کردن موجک ها به منظور انتخاب موجک های موثر، تعیین تعداد زیرشبکه های عصبی موجک و قوانین فازی استفاده شده است. همچنین در این مقاله، از الگوریتم جهش قورباغه های به هم آمیخته(SFL) به منظور آموزش پارامترهای شبکه موجک فازی و یافتن مقادیر بهینه پارامترهای پایدار ساز استفاده شده است. به منظور نشان دادن قابلت و توانایی روش پیشنهادی، مطالعات عددی بر روی یک سیستم تست 2-ناحیه-4 ماشین ارائه شده است. همچنین به منظور نشان دادن مقاوم بودن پایدارسازهای طراحی شده دو نوع خطای سه فاز و تک فاز به سیستم اعمال شده است. و نیز به منظور انجام یک مقایسه دو پایدار ساز کلاسیک با ساختار پیشفاز-پسفاز طراحی شده اند که پارامترهای آنها با استفاده از الگوریتم SFL تنظیم شده است. نتایج شبیه سازی قابلیت و برتری پایدار سازهای طراحی شده مبتنی بر شبکه موجک را نشان می دهند.
کلیدواژگان: شبکه موجک فازی، الگوریتم جهش قورباغه های به هم آمیخته، پایدار ساز سیستم قدرت، نوسان های فرکانس پایین -
صفحات 23-42در این مقاله با استفاده از الگوریتم تکاملی کلونی زنبور های عسل (ABC) و براساس معیار انتگرال زمان-قدرمطلق خطا (ITAE) به طراحی کنترل کننده فرکانس بار (LFC)در سیستم های قدرت تجدید ساختار یافته با سیاست دوجانبه پرداخته شده است. در این راستا، در نظر گرفتن تابع هدف مناسب برای دست یافتن به عملکرد مقاوم مطلوب مهم است. نتایج شبیه سازی ها نشان می دهد با بهره گیری از معیار ITAE که با وجود انحراف فرکانس و خطای کنترل ناحیه (ACE) است، پارامترهای کنترل بهینه برای سیستم قدرت با استفاده از روش ABC به آسانی به دست می آیند. کارآیی روش پیشنهادی برروی یک سیستم قدرت چهار ناحیه ای تجدید ساختار یافته با سناریوهای قراردادی ممکن تحت تقاضای بار زیاد و اغتشاش های ناحیه ای نشان داده شده است. با ارزیابی نتایج مشاهده می شود که روش بهینه سازی پیشنهادی در محدوده وسیعی از تغییرات پارامترهای سیستم و تغییرات بار در حضور خاصیت غیرخطی بودن سیستم، عملکرد مقاوم خوبی داشته، بنابراین، می تواند در کنترل کننده های دیگر نیز استفاده شود.
کلیدواژگان: کنترل فرکانس بار(LFC)، SMES، سیستم قدرت تجدید ساختار یافته، الگوریتم کلونی زنبورهای عسل (ABC) -
صفحات 43-58پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم های حفاظتی منجر می گردد. در واقع تشابه بین ویژگی های جریان هجومی و شرایط خطای داخلی باعث بروز این خطا می گردد. بنابراین، برای کارکرد ایمن ترانسفورماتور لازم است که جریان هجومی از جریان خطا تشخیص داده شود. در این مقاله یک شبکه عصبی مصنوعی که توسط دو الگوریتم مبتنی بر گروه؛ یعنی الگوریتم جستجوی گرانش و بهینه سازی گروه ذرات آموزش داده می شود، برای تشخیص جریان هجومی از جریان خطا در ترانسفورماتورهای قدرت به کار رفته است. الگوریتم جستجوی گرانشی بر مبنای قانون گرانش عمل می نماید و بر خلاف سایر الگوریتم های مبتنی بر گروه ذرات دارای هویت است و الگوریتم بهینه سازی گروه ذرات مبتنی بر حرکت گروهی پرندگان است. این مقاله شامل دو مرحله عمومی است: در گام اول داده های بدست آمده از شبیه سازی، پردازش شده و به شبکه عصبی اعمال شده اند. سپس در گام دوم شبکه عصبی در نظر گرفته شده با الگوریتم های جستجوی گرانشی و بهینه سازی گروه ذرات آموزش داده شده است. در نهایت، به منظور نشان دادن اینکه این روش آموزش مفید بوده، به نتایج دقیق تری منجر می شود، نتایج بدست آمده از دو الگوریتم پیشنهادی و روش پس انتشار که یکی از رایج ترین روش های آموزش شبکه های عصبی است، مقایسه شده اند.
کلیدواژگان: الگوریتم جستجوی گرانشی، بهینه سازی گروه ذرات، ترانسفورماتور قدرت، جریان هجومی، شبکه عصبی مصنوعی -
صفحات 59-78
در این مقاله، بهینه یاب جدیدی مبتنی بر الگوریتم جستجوی گرانشی برای حل مسائل چند هدفه ارائه شده است. در بهینه یاب طراحی شده، از مفاهیم اساسی بهینه سازی چند هدفه، برای هدایت عامل های جستجوگر در فضای جستجو به سمت منطقه بهینه استفاده شده است. برای ارائه رویکرد مناسب مبتنی بر پرتو در حل مسائل چند هدفه با الگوریتم گرانشی به گونه ای شایسته، موضوع های تخصیص شایستگی، حفظ تنوع و نخبه گرایی رابطه مند شده اند. الگوریتم پیشنهادی با الگوریتم های مطرح در این زمینه در مسائل عددی استاندارد مقایسه و نتایج ارائه شده است. سپس از این الگوریتم برای حل مساله جایابی بهینه جبران کننده توان راکتیو استاتیکی (SVC) با در نظر گرفتن اهداف سه گانه استفاده شده است. کارایی استفاده از SVC در سیستم های قدرت، بستگی زیادی به مکان قرارگیری آن ها دارد. در نتیجه، هنگام استفاده از این ادوات، جایابی بهینه آن ها (پیدا کردن مکان و ظرفیت بهینه) باید مورد توجه قرار گیرد. در این مقاله، جایابی بهینه SVC بر مبنای اهداف چندگانه همچون پایداری ولتاژ، کاهش تلفات و هزینه خرید ادوات انجام می گیرد. نتایج آزمایشها کارایی روش پیشنهادی را تایید می کند.
کلیدواژگان: جایابی بهینه ادوات، جبران ساز توان راکتیو، بهینه سازی چند هدفه، الگوریتم جستجوی گرانشی، بهینه پرتو -
صفحات 79-102
در این مقاله روش کنترل برداری فازی در کنترل سرعت موتورهای مغناطیس دائم داخلی (IPMSM) ارائه شده است. در این کنترل کننده از دو تنظیم گر سرعت و جریان استفاده شده است. کنترل کننده سرعت از نوع فازی و کنترل کننده جریان از نوع PI کلاسیک است. از الگوریتم ژنتیک در بهینه سازی ضرایب هر دو کنترل کننده استفاده شده است. بهینه سازی با اهداف سرعت پاسخ بالا، خطای حالت دائمی کم به نحوی که کنترل کننده با دقت خوبی تغییرات سرعت و گشتاور را دنبال کند، انجام شده است. در این مقاله دو روش کنترل فازی و کلاسیک با یکدیگر مقایسه شده تا نقاط ضعف و قوت هر کدام بررسی گردد. تغییرات پارامترهای موتور، نویز اندازه گیری و قطع یکی از فازها در اثر خطا در هر دو روش فازی و کلاسیک بررسی شده است. نتایج به دست آمده نشان دهنده رفتار مقاوم کنترل کننده فازی طراحی شده نسبت به کنترل کننده انتگرالی- تناسبی است.
کلیدواژگان: کنترل برداری، کنترل کننده فازی، الگوریتم ژنتیک، موتور مغناطیس دائم داخلی -
صفحات 103-118به مدارآوردن نیروگاه ها یکی از مسائل مهم در بهره برداری از سیستم های قدرت است که با توجه به محدودیت ها و پارامترهای زیاد مطرح در آن، از پیچیدگی بالایی برخوردار است. در این مقاله یک روش جدید مبتنی بر الگوریتم بهینه سازی تجمع زنبور عسل برای حل مساله به مدار آوردن نیروگاه ها ارائه شده است که در آن از روش های کدبندی عدد صحیح (برای برآوری محدودیت های حداقل زمان روشن/ خاموش) و کدبندی باینری (برای برآوری قید ذخیره چرخان) استفاده شده است. عدم استفاده از روش مرسوم ضرایب جریمه در برآوری قیود مساله، از دیگر مزایای الگوریتم پیشنهادی است که از ترکیب روش های باینری و صحیح نتیجه شده است. با استفاده از الگوریتم پیشنهادی به خوبی می توان هزینه ی کل به مدار آوردن نیروگاه ها را کمینه کرد. نتایج شبیه سازی و مطالعات عددی گویای همگرایی بهتر الگوریتم پیشنهادی در مقایسه با سایر روش های موجود در این زمینه است.
کلیدواژگان: الگوریتم تجمع زنبور عسل، بهره برداری از سیستم های قدرت، به مدار آوردن نیروگاه ها، بهینه سازی -
صفحات 119-134یکی از دلائل بروز نوسان های فرکانس پایین1 در سیستم های قدرت، کمبود گشتاور میرا کننده به منظور غلبه بر اغتشاشات موجود در سیستم های قدرت است. در گذشته پایدارساز سیستم قدرت2 برای میرا نمودن نوسان های فرکانس پایین استفاده می شد. ادوات FACTs3 از قبیل جبران ساز سری کنترل شونده با تریستور4 (TCSC) توانایی کنترل توان، کاهش تشدید زیرسنکرون و افزایش پایداری گذرا را دارا هستند. TCSC را می توان برای میرا نمودن نوسان های فرکانس پایین جایگزین پایدارساز سیستم قدرت نمود. در این مقاله برای میرا نمودن نوسان های فرکانس های پایین از کنترل کننده های فازی-عصبی استفاده شده است. در روش ارائه شده در این مقاله، مدل خطی درجه 3 ماشین سنکرون (هفرون-فیلیپس) وصل شده به باس بینهایت به همراه TCSC استفاده شد و همچنین برای میرا نمودن نوسان های فرکانس پایین، کنترل کننده فازی-عصبی برای TCSC طراحی و شبیه سازی شد. روش ارائه شده برای بارهای متفاوت و برای اغتشاشات مختلفی که به سیستم وارد می شوند، شبیه سازی شده است. نتایج شبیه سازی بیانگر عملکرد خوب و مناسب کنترل کننده فازی-عصبی در میرا نمودن نوسان های فرکانس پایین است.
کلیدواژگان: جبران ساز سری کنترل شونده با تریستور، سیستم تک ماشین، باس بینهایت، کنترل کننده فازی، عصبی، نوسان های فرکانس پایین
-
Pages 1-22This paper presents a new online Power System Stabilizer (PSS) design based on fuzzy wavelet network (FWN) to damp the multi-machine power system low frequency oscillations. The FWN، inspired by the wavelet theory and fuzzy concepts، is used to simultaneous design of two PSSs، in which error between system desired output and output of control object is directly utilized to tune the network parameters. The orthogonal least square (OLS) algorithm is used to determine network dimension، purify the wavelets for selecting efficient wavelets، and determine the number of sub- wavelet neural networks and fuzzy rules. In this paper، Shuffled Frog Leaping Algorithm (SFLA) is employed for learning of FWN parameters and to find the optimal values of the controller parameters. To illustrate the capability of the proposed approach، some numerical results are presented on a 2-area 4-machine system. To show the effectiveness and robustness of the designed supplementary controllers، a line-to-ground fault and also a three phase fault are applied at a bus. Furthermore، to make a comparison، two conventional PSSs are designed in which a lead-lag structure is considered for each PSS and its parameters are tuned using SFLA. The simulation results show the superiority and capability of the FWN based PSSs.
-
Pages 23-42In this paper، a robust Artificial Bee Colony (ABC) algorithm based on Integral Time Absolute Error (ITAE) is proposed for solution of a Load Frequency Control (LFC) problem in a restructured power system that operates under deregulation according to a bilateral policy scheme. Precise tuning of the objective function is significant in achieving the desired level of robust performance in the proposed method. Simulation result suggests that optimal control parameters for power system can be designed with much less effort using ABC in which the objective function is chosen based on ITAE method on the frequency deviation and Area Control Error (ACE). The effectiveness of the proposed method is demonstrated on a four-area restructured power system with possible contracted scenarios under large load demand and area disturbances in comparison with conventional tuning of control parameters through ITAE performance indices. The evaluation results show that the proposed optimization strategy achieves good robust performance for a wide range of system parameters and load changes in the presence of system nonlinearities and is therefore superior to other controllers.
-
Pages 43-58The magnetizing inrush current phenomenon is a large transient condition، which occurs when a transformer is energized. The inrush current magnitude may be as high as ten times of transformer rated current that causes mal-operation of protection systems. Indeed، the similarity between signatures of Inrush current and internal fault condition make this failure. So، for safe running of a transformer، it is necessary to distinguish inrush current from fault currents. In this project، an Artificial Neural Network (ANN) which is trained by two different swarm based algorithms; Gravitational Search Algorithm (GSA) and Particle Swarm Optimization (PSO) have been used to discriminate inrush current from fault currents in power transformers. GSA works based on gravity laws and in opposite of other swarm based algorithms، particles have identity and PSO is based on behaviors of bird flocking. Proposed approach has two general stages، in first step، obtained data from simulation have been processed and applied to ANN، and then in step two، using training data considered ANN has been trained by GSA & PSO. Proposed method has been compared with one of the common training approach which is called Back Propagation (BP) and Results show that proposed method is so quick and can do discrimination very accurate.
-
Pages 59-78
In this paper، a multi-objective version of Gravitational search algorithm (GSA) is proposed which is based on optimal Pareto concepts for solving the multi objective problems. To show the effectiveness of the proposed algorithm، it is tested on different benchmark functions and an engineering problem known as placement of Static Var Compensators (SVC) for VAr planning in a large-scale power system. Taking advantages of the SVCs depends greatly on how these devices are placed in the power system، namely on their location and size. The VAr planning problem is formulated as a multi-objective optimization problem، which represent minimizing voltage deviation، losses and the cost of installation resulting in the maximum system VAr margin. The results obtained show the effectiveness of the proposed algorithm.
-
Pages 79-102
In this paper، the fuzzy control method in the speed control of permanent magnet synchronous motor is presented. In this controlle two speed and current regulators are used. The speed controller is a fuzzy controller and the current controller is a classic controller. The coefficients of the controller are optimized by using Genetic Algorithm (GA). The aim of the optimization is the reduce the delay and the low steady state error in order to achieve the best possible response. In this paper the fuzzy and classic methods of control are compared to understand advantages and disadvantages of these two methods. In these two methods the motor parameters changs، the discanection of one phone and the measurement noise are studied and the results show that the fuzzy controller is stable in comparison with the classic controller.
-
Pages 103-118Unit commitment is one of the main problems in power systems operation and since there are plenty of constraints and parameters it is too complicated. In this paper، a new method based on artificial bee colony algorithm has been proposed to solve the problem of unit commitment. In the proposed method، a novel coding approach is presented which uses integer numbers (for satisfying minimum up/down time constraints) and binary numbers (for satisfying spinning reserve constraint). One of the advantages of the proposed coding approach is elimination of using penalty factors in the optimization process to constraints handling. The total cost of unit commitment can be truly minimized using the proposed algorithm. In comparison with other existing methods in this regard، the simulated results and numerical studies show better convergence of the proposed algorithm.
-
Pages 119-134One of the most important reasons of Low Frequency Oscillations (LFO) occurrence in power systems is lack of damping torque against the power system disturbances. In the recent past Power System Stabilizer (PSS) was used to damp the LFO. FACTs devices، such as Thyristor Controlled Series Compensator (TCSC)، can control power flow، reduce sub-synchronous resonance and increase transient stability. So، TCSC may be used to damp LFO instead of PSS. In this paper، the TCSC is employed to damp the LFO using neuro-fuzzy controller. In proposed method of this paper، the linearized model of synchronous machine (Heffron-Philips) connected to infinite bus (Single Machine-Infinite Bus: SMIB) with TCSC is used and also in order to damp LFO، adaptive neuro-fuzzy controller for TCSC is designed. The proposed method is simulated for various types of loads and for different disturbances. Simulation results show good performance of neuro-fuzzy controller in damping LFO.
©2000-2024 magiran.com All Rights Reserved.