بدست آوردن حاشيه ديناميكي پايداري ولتاژ در سيستم هاي قدرت و پيش بيني آن با استفاده از شبكه هاي عصبي تابع پايه شعاعي

To obtain the dynamic margin of voltage stability in power systems and predict it using radial base function neural networks

در اين مقاله، پايداري ديناميكي ولتاژ به عنوان يكي از زيرشاخه‌هاي پايداري سيستم‌هاي قدرت، مورد توجه قرار گرفته است و با در نظر گرفتن مرزهاي مختلف پايداري ولتاژ مانند دوشاخگي‌هاي HB، SNB و نيز MLP، دوشاخگي HB كه متناظر با رفتار نوساني سيستم قدرت مي‌باشد مورد بررسي قرار مي گيرد. همچنين از آنجاييكه روش‌هاي مانند روش‌هاي استاتيكي مطالعه پايداري ولتاژ زمانبر بوده و مسئله پايداري ولتاژ و رفتار مقادير ويژه سيستم قدرت داراي رفتاري غير خطي مي باشند، شبكه‌هاي عصبي تابع پايه شعاعي( RBF) به عنوان جايگزيني براي روش‌هاي مرسوم پايداري ولتاژ معرفي شده و با استفاده از آن به پيش‌بيني با دقت پايداري ولتاژ سيگنال كوچك كه در برگيرنده مرز دوشاخگي HB مي‌باشد، پرداخته ايم. به منظور بهبود قابليت شبكه عصبي RBF در بدست آوردن حاشيه ديناميكي پايداري ولتاژ سيستم قدرت، روش انتخاب مولفه همبستگي پيشنهاد گرديده است. با آزمايش روش پيشنهادي بر روي سيستمهاي قدرت نمونه، كارايي شبكه عصبي RBF را در پيش بيني حاشيه ديناميكي پايداري ولتاژ نشان داده ايم.