استفاده از كنترل كننده شبكه عصبي تطبيقي در UPFC با هدف ميراسازي نوسانات تشديد زير سنكرون در سيستم هاي قدرت جبران شده با خازن سري

Use of UPFC adaptive neural network controller to simulate sub-synchronous resonance oscillations in capacitor-coupled power systems

جبرانسازي سري خطوط انتقال يكي از بهترين روشها براي بهبود توانايي هاي خطوط انتقال هستند. با اين حال اين شيوه جبرانسازي مي تواند موجبات كوپلينگ الكترومكانيكي بين توربين-ژنراتور و سيستم جبران شده را فراهم كرده و باعث ايجاد پديده تشديد زير سنكرون شود. لذا در اين مقاله پيشنهاد استفاده از يك كنترل كننده تكميلي به همراه مدار كنترلي UPFC جهت بهبود نوسانات سيستم قدرت داده مي شود. در اين مقاله با استفاده از رهيافت هاي كنترل چند متغيره (تجزيه مقادير تكين) بهترين ورودي UPFC جهت اعمال سيگنال كمكي تشخيص داده مي شود. از آنجا كه استفاده از كنترل كلاسيك با دشواريهايي نظير مشكلات مربوط به مدلسازي ديناميكي، غير خطي بودن اكثريت قريب به اتفاق سيستم هاي واقعي، خطاهاي مربوط به خطي سازي سيستم ها و ... همراه خواهد بود، لذا در اين مقاله پيشنهاد استفاده از كنترل كننده عصبي تطبيقي براي طراحي كنترل كننده تكميلي ارائه مي شود.

The compensation of the series of transmission lines is one of the best ways to improve the capabilities of the transmission lines. However, this compensation technique can generate electromechanical couplings between the turbine generator and the compensated system and cause the phenomenon of resonance underneath the synchronization. Therefore, in this paper, it is proposed to use an additional controller along with the UPFC control circuit to improve the power system fluctuations. In this paper, using the multivariate control approaches (parsing of singular values), the best UPFC input for the auxiliary signal is detected. Since the use of classical control with problems such as dynamic modeling problems, nonlinearity of the vast majority of real systems, errors in system linearization, etc., in this paper, the proposed use of control An adaptive nerve for complementary controller design.