دانلود ترجمه مقاله طراحی پایدارساز سیستم قدرت با استفاده از رویکرد بهینه سازی شدت پارتو (ساینس دایرکت – الزویر 2010) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

طراحی پایدارساز سیستم قدرت با استفاده از رویکرد بهینه سازی شدت پارتو

Power system stabilizer design using Strength Pareto multi-objective optimization approach

چکیده

1. مقدمه

2. سیستم های قدرت و مدلسازی

2.1 سیستم تک اتوبوسی تک دستگاه

2-2. سیستم چهار-ماشینه دو-محیطه

3-2. سیستم جدید انگلیس ده-ماشینه سی و نه-گذرگاه

4-2. پایدار ساز سیستم قدرت

3. بهینه سازی چند هدفه

1-3. مفاهیم اصلی

2-3. الگوریتم تکامل یافته شدت پارتو

4. نتایج شبیه سازی

2-4. سیستم کاندر(دو محیطه-چهار ماشینه)

3-4. سیستم جدید انگلیس

4-4. شبیه سازی های حوزه زمان

5. نتیجه گیری

منابع

چکیده

پایدارساز‌های سیستم قدرت (PSSs) مشهورترین و مؤثرترین ابزار‌هایی هستند که نوسان‌هایی را که به علت عوامل مزاحم ایجاد شده‌اند، را میرا می‌کنند. برای دست یافتن به یک پاسخ گذرای خوب روش طراحی پایدار‌ساز‌های سیستم قدرت (PSSs) کاملاً مهم است. مقاله پیش رو، یک روش جدیدی را برای طراحی پایدار‌ساز سیستم قدرت با استفاده از رویکرد بهینه‌سازی چند هدفه که رویکرد شدت پارتو نامیده می‌شود، مطرح می‌کند. موقع طراحی پارامتر‌های پایدارساز‌های سیستم قدرت، بیشینه کردن ضریب و نسبت میرایی حالات سیستم قدرت دو هدف یا دو کاربرد هدفمند در نظر گرفته می‌شوند. این برنامه مجموعه ای از پارامتر‌های بهینه که مجموعه پارتو نامیده می‌شود و به هر جبهه پارتو ارتباط دارد، تولید می‌کند که مجموعه ای از نتایج بهینه برای کاربرد‌های هدفمند هستند. این یک فرصت مذاکره عالی را برای مدیر سیستم فراهم می‌کند، تولید‌کننده پایدارساز‌های سیستم قدرت (PSSs) و مشتری‌ها می‌توانند PSS مطلوب را از مجموعه پایدارساز‌های سیستم قدرت بهینه طراحی شده، انتخاب کنند. روش پیشنهادی در سیستمی که از یک ماشین متصل شده به بی نهایت گذرگاه که از طریق خط ارسال با هم ارتباط دارند، تشکیل شده است، اجرا و بازبینی می‌شود. این روش همچنین برای دو سیستم چند ماشینه آشنا که سیستم چهار-ماشینه دو-محیطه کاندر و سیستم جدید انگلیسی ده-ماشینه سی و نه-گذرگاه نامیده می شوند، انجام می‌شود. پارامتر های پایدارساز‌ سیستم قدرت متداول با کمک رویکرد پیشنهادی به طور بهینه طراحی می‌شوند. در نهایت یک مقایسه هم باالگوریتم ژنتیک (GA) مشهور ارائه شده است.

1. مقدمه

پیچیدگی رو به افزایش سیستم قدرت برقی انگیزه های تحقیق را در توسعه روش‌های مناسب برای پایدار سازی سیستم قدرت افزایش داده است. پایدار سازهای سیستم قدرت مؤثرترین دستگاه برای میرا کردن نوسان های فرکانسی پایین (کم) و افزایش محدوده پایداری سیستم های قدرت هستند [1]. در واقع یک پایدارساز سیستم قدرت، تحریک سیستم را با یک سیگنال تکمیلی هم فاز با انحراف سرعت روتور فراهم می‌کند که عملکرد پایدار یک ژنراتور سنکرون را نتیجه می دهد.

5. نتیجه گیری

در مقاله حاضر، یک روش جدید طراحی پایدارساز سیستم قدرت متداول که الگوریتم تکامل یافته شدت پارتو نامیده می شود، معرفی می شود. سیستم تک ماشینه بی نهایت گذرگاه، سیستم چهار ماشینه -دو محیطه و سیستم جدید انگلیس سه سیستم قدرت معروف هستند که روش طراحی پایدارساز سیستم قدرت را امتحان می کنند. ماکزیمم کردن کمینه نسبت میرایی و کمینه ضریب میرایی مودهای نوسانی غالب سیستم های اشاره شده به عنوان دو هدف استفاده می شود، در حالی که پارامترهای پایدار ساز سیستم قدرت متغیرهای بهینه سازی هستند. علاوه بر این در مقاله حاضر، ما به بعضی جواب های بهینه دست یافته ایم که به نظر می رسد که به نتایج الگوریتم ژنتیک غالب شوند. طراح در انتخاب هر یک از نتایج آزاد است. گرچه مقاله حاضر نتوانست روی تفاوت های اعضای جبهه های پارتو تمرکز کند، ولی آن را برای کارهای آینده پیشنهاد می دهد. هم چنین محققان روی توابع هدف بهتر ممکن کار کنند.

Abstract

Power system stabilizers (PSSs) are the most well-known and effective tools to damp power system oscillation caused by disturbances. To gain a good transient response, the design methodology of the PSS is quite important. The present paper, discusses a new method for PSS design using the multi-objective optimization approach named Strength Pareto approach. Maximizations of the damping factor and the damping ratio of power system modes are taken as the goals or two objective functions, when designing the PSS parameters. The program generates a set of optimal parameters called Pareto set corresponding to each Pareto front, which is a set of optimal results for the objective functions. This provides an excellent negotiation opportunity for the system manager, manufacturer of the PSS and customers to pick out the desired PSS from a set of optimally designed PSSs. The proposed approach is implemented and examined in the system comprising a single machine connected to an infinite bus via a transmission line. This is also done for two familiar multi-machine systems named two-area four-machine system of Kundur and ten-machine 39-bus New England system. Parameters of the Conventional Power System Stabilizer (CPSS) are optimally designed by the proposed approach. Finally, a comparison with famous GAs is given.

1. Introduction

Ever increasing complexity of electric power systems has increased research interests in developing more suitable methodologies for power system stabilizers (PSSs). PSSs are the most effective devices for damping low frequency oscillations and increasing the stability margin of the power systems [1]. In fact, a PSS provides the excitation system with a proper supplementary signal in-phase with the rotor speed deviation resulting stable operation of the synchronous generator.

5. Conclusion

In the present paper, a novel method of CPSS design named Strength Pareto Evolutionary Algorithm (SPEA) is introduced. The SMIB, TAFM and New England are three well-known power systems used to exercise the PSS design methodology. Maximizing the minimum damping ratio and minimum damping factor of dominant oscillatory modes of the aforementioned systems are employed as two objectives while the PSS parameters are optimization variables. Moreover in the present paper, we have reached some optimum answers which seem to dominate GA results. The designer is free to select any of the results. However, the present paper could not zoom on the differences of Pareto fronts’ members very much, but recommends it for future works. Also the researchers may work on possible better objective functions.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

طراحی پایدارساز سیستم قدرت با استفاده از رویکرد بهینه سازی شدت پارتو

Power system stabilizer design using Strength Pareto multi-objective optimization approach