كنترل هماهنگ ادوات FACTS نسل اول با استفاده از شبكه عصبي و به منظور افزايش پايداري گذرا در سيستم هاي قدرت

Coordinated Control of FACTS Devices by Using ADALINE Neural Network to Enhance the Transient Stability of Power System

خلاصه: اين مقاله، به منظور افزايش پايداري گذرا و همچنين افزايش ميرايي سيستم روشي خاص از هماهنگي بين ادوات FACTS را ارايه مي‌دهد. به منظور افزايش عملكرد و استفاده از كليه ويژگي هاي TCSC و SVC كه در اين مقاله ارايه گرديده، لازم است كنترل كننده اي مورد استفاده قرار گيرد كه محدوديت هاي ساير كنترل كننده ها را نداشته و در عين سادگي، قابليت پاسخگويي سريع و تطبيق با مدل سيستم قدرت را نيز دارا باشد. از اين رو اين ويژگي ها را مي توان در كنترل كننده هاي هوشمند يافت كه شبكه ADALINE از جمله اين كنترل كننده ها است. براي درك بهتر نسبت به عملكرد كنترل كننده شبكه ADALINE، اين كنترل‌كننده با يك كنترل كننده كه توسط شاخص كنترل بهينه (LQR) طراحي شده است مقايسه مي گردد. مدل به كار گرفته شده جهت ادوات FACTS از نوع جريان تزريقي است و به همين دليل اين امكان وجود داشته تا بتوان از يك ماتريسybus فاكتورگيري شده ي ثابت در محاسبات استفاده نمود. نتايج شبيه سازي با استفاده از مدل غيرخطي شبكه نشان مي دهد كه كنترل كننده شبكه عصبي ADALINE در مقايسه با كنترل كننده LQR عملكرد بهتري داشته و بهبود قابل توجهي بر روي ميرايي و افزايش توان انتقالي در سيستم قدرت را موجب مي گردد.

In order to improve transient stability and increase the system damping, this paper introduces a specific way of coordination between FACTS devices (TCSC and SVC). In order to improve the performance and use all the features of TCSC and SVC (presented in this article), it is necessary a controller be used in which does not have the limitations of other controllers and simply be also able to quickly respond and adapt to the power system model. Hence, these features can be found in the intelligent controllers in which the ADALINE network is one of them. To better understand the performance of the ADALINE network controller; this controller will be compared with a controller which is designed by the optimal control parameters (LQR). The instruments used for FACTS are from the injection type and therefore, it is possible to use a fixed factorization ybus matrix in the calculations. Simulation results using non-linear network show that the ADALINE neural network controller has better performance than the LQR controller and can cause significant improvement on damping and transmission ability in the power system.