طراحی پایدارساز سیستم های قدرت با استفاده از کنترل کننده تطبیقی مرتبه کسری مبتنی بر شبکه های عصبی موجک خودتنظیم

اخیرا روش های متعددی برای طراحی پایدارساز سیستم قدرت (PSS) ارایه شده است که مبتنی بر کنترل کننده ها PI، PID و FOPID می باشند. در این کنترل کننده ها درجه آزادی به ترتیب از دو به سه و پنج افزایش می یابد که منجر به افزایش سرعت همگرایی و گسترش محدوده عملکرد مطلوب کنترل کننده نسبت به تغییرات نقطه کار می شود اما با افزایش درجه آزادی، تعیین متغیرهای کنترل کننده تبدیل به معضل جدیدی شده است چنان که تنظیم متغیرهای FOPID دیگر با استفاده از سعی و خطا امکان پذیر نیست. یکی از روش های مرسوم استفاده از الگوریتم های بهینه سازی می باشد اما باید توجه داشت که سیستم قدرت به شدت غیرخطی می باشد. در این مقاله الگوریتمی برای طراحی کنترل کننده PSS مبتنی بر FOPID پیشنهاد می شود که در آن ضرایب کنترل کننده براساس شرایط سیستم تنظیم می شود. بدین منظور ضرایب کنترل کننده براساس گرادیان سیستم قدرت تعریف می شوند به طوری که ضرایب در هرلحظه به روش تطبیقی- گرادیان غیرمستقیم چنان تنظیم می شوند که تابع هزینه کنترل کننده کمینه شود که نتیجه آن افزایش سرعت میرایی نوسانات می باشد. در الگوریتم پیشنهادی برای تخمین گرادیان سیستم قدرت از یک شناساگر مبتنی بر شبکه عصبی موجک خودتنظیم با یادگیری برخط استفاده شده است. در نهایت کنترل کننده تطبیقی پیشنهادی برای یک سیستم قدرت دو- ناحیه ای، دو- ماشین شامل ادوات FACTs از نوع SSSC طراحی شد و عملکرد آن در مقایسه با روش های دیگر به صورت تحلیلی و عددی ارزیابی شد. نتایج، موثر بودن عملکرد روش پیشنهادی در میراسازی نوسانات سیستم قدرت را تایید می کنند.