كنترل كننده تطبيقي مدل مرجع بهبود يافته نرماليزه شده براي UPFC

Normalized and Improved Model Reference Adaptive System for Unified Power Flow Controller

ماهيت غير خطي سيستمهاي قدرت، عدم قطعيتهاي مدلسازي و ديناميكهاي مدل نشده، لزوم طراحي يك كنترل كننده مناسب جهت عملكرد مطلوب در شرايط كاري مختلف را نشان مي دهد. در اين مقاله، مسيله طراحي براي كنترل كننده يكپارچه پخش توان (UPFC) كه دو هدف سهولت در پياده سازي و قابليت استفاده در طيف وسيعي از شرايط عملكرد سيستم را برآورده سازد مد نظر قرار مي گيرد. به اين منظور، روش كنترل تطبيقي مدل مرجع براي طراحي كنترل كننده UPFC پيشنهاد گرديده و با تنظيم ضرايب كنترل كننده با استفاده از روش بهينه سازي حركت تجمعي ذرات (PSO) نسبت به كنترل كننده هاي مدل مرجع كلاسيك، بهبود يافته مي باشد. همچنين براي دسترسي به عملكردي مقاوم و محدود نمودن سيگنالهاي ورودي، از تكنيك نرماليزه سازي استفاده شده است. عملكرد الگوريتم كنترلي طراحي شده در شرايط نامي و نيز در شرايط سنگين بار بررسي و نتايج حاصل از شبيه سازي سيستم براي نمايش مقاوم بودن روش پيشنهادي ارايه مي شود. همچنين نتايج اين روش با يك كنترل كننده PI كلاسيك تنظيم شده با الگوريتم PSO مقايسه گرديده اند كه نتايج شبيه سازي نشان دهنده توانايي روش ارايه شده در مقايسه با روشهاي كلاسيك جهت كنترل و پايدارسازي سيستم قدرت مي باشند.

The nonlinear nature and model uncertainties in electric power system show the importance of designing a suitable controller to operate under different operating conditions. In this paper, the problem of designing controller for UPFC is carried out with two objectives of easy implementation and operation under different loading conditions. In this regard, model reference adaptive system is proposed for UPFC control and this MRAS is improved by using PSO method. Besides, in order to limitation of input signal and also robustness, the normalization technique is used. The performance of the proposed algorithm is studied under nominal and heavy loading conditions and simulation results are presented to show robust performance of the proposed method. Also, the results of the proposed algorithm are compared with a PI type controller which is tuned by using PSO. Simulation results show the ability and effectiveness of the proposed method in comparison with the classical method.