| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کنترل کننده پیشگویانه عصبی از یک کنترل بار فرکانس دو ناحیه ای برای سیستم قدرت به هم پیوسته |
| عنوان انگلیسی مقاله: |
Neural predictive controller of a two-area load frequency control for interconnected power system |
|
|
| مشخصات مقاله انگلیسی و ترجمه فارسی | |
| سال انتشار | 2010 |
| تعداد صفحات مقاله انگلیسی | 10 صفحه با فرمت pdf |
| تعداد صفحات ترجمه مقاله | 22 صفحه با فرمت word به صورت تایپ شده با قابلیت ویرایش |
| رشته های مرتبط با این مقاله | مهندسی برق |
| گرایش های مرتبط با این مقاله | مهندسی کنترل و برق قدرت |
| مجله | ژورنال مهندسی شمس العین (Ain Shams Engineering Journal) |
| دانشگاه | گروه تکنولوژی کنترل سلمان قره گزلو، دانشکده آموزش صنعتی، دانشگاه بنی سویف، مصر |
| کلمات کلیدی | کنترل کننده پیشگویانه عصبی، کنترل پیشگویانه مدل، کنترل منطقى فازى، کنترل بار فرکانس دو ناحیه ای |
| شناسه شاپا یا ISSN | ISSN 2090-4479 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه الزویر | Elsevier |
- بخشی از ترجمه:
چکیده
مقاله حاضر کنترل بار فرکانس (LFC) را براى بهبود عملکرد دینامیک سیستم قدرت در محدوده وسیعى از شرایط اجرایى بررسى می کند.این مطالعه طراحى و کاربرد کنترل کننده پیش بینی شبکه عصبى (NN-MPC) را در سیستم هاى قدرت بار فرکانس دو ناحیه ای مطرح کرده است. کنترل کننده پیشگویانه مدل شبکه عصبى (NN-MPC) پیش بینى مطمئن شبکه عصبى را با عملکرد خوب کنترل پیشگویانه مدل با استفاده از levenberg غیرخطى-بهینه سازى marquardt ترکیب می کند. کنترل کننده از انحراف خطاى ناحیه توان محلى به عنوان سیگنال فیدبک استفاده کرده است. براى اثبات اثر کنترل کننده مطرح شده، سیستم قدرت دو ناحیه ای در محدوده وسیعى از شرایط اجرایى و تغییر پارامترهاى سیستم شبیه سازى شده است. علاوه بر این، عملکرد کنترل کننده مطرح شده با کنترل کننده منطقى فازى (LFC) از طریق مطالعات شبیه سازى مقایسه شده است. نتایج به دست آمده اثر و برترى روش مطرح شده را توضیح میدهند.
کلید واژه: کنترل کننده پیشگویانه عصبی، کنترل پیشگویانه مدل، کنترل منطقى فازى، کنترل بار فرکانس دو ناحیه ای
١. مقدمه:
سیستم هاى قدرت بزرگ معمولا از زیر سیستم های بهم پیوسته تشکیل شده اند.. ارتباط بین ناحیه های کنترل با استفاده از خطوط ارتباطی انجام شده است. هر بخش ژنراتور یا مولتى ژنراتور خود را داردو مسئول بار خود و تعاملات برنامه ریزى شده با بخش های مجاور است. زیرا سیستم قدرت معین بارگذاری هرگز ثابت نیست و براى اطمینان از کیفیت تأمین انرژى، کترل کننده فرکانس بار براى حفظ فرکانس سیستم در مقدار عددى مطلوب مورد نیاز است. دریافت شده است که تغییرات در انرژى واقعى عمدتا بر فرکانس سیستم اثر مى گذارند و انرژى مکانیکى ورودى به ژنراتورها براى کنترل فرکانس انرژى الکتریکى ورودى استفاده شده است. در سیستم قدرت آزاد شده، هر ناحیه کنترل شامل انواع مختلف ناپایدارى ها و اختلالات مختلف در نتیجه افزایش پیچیدگى، مدل سازى سیستم، خطاها و تغییر ساختار سیستم قدرت است. سیستم قدرت خوب طراحى شده و اجرا شده باید از عهده ى تغییرات در بار و اختلالات سیستم بر آید و سطح بالا و قابل قبول کیفیت انرژى را در زمان حفظ ولتاژ و فرکانس در محدوده هاى قابل تحمل فراهم آورد[١-٣]
در طول دهه هاى اخیر، استراتژى هاى مختلف کنترل براى LFC مطرح شده اند[١٠-١] این تحقیق در نتیجه ى این واقعیت است که LFC تابع مهم را در فعالیت سیستم قدرت مى سازد که هدف اصلى تنظیم انرژى خروجى هر ژنراتور در سطوح مطرح شده در زمان حفظ نوسانات فرکانس در محدوده هاى پیش تعریف شده است. طرح هاى انطباقى و محکم براى برقرارى ارتباط با تغییرات در سیستم تحت استراتژى هاى LFC توسعه یافته اند [۴-٧]. الگوریتم متفاوت در[٨] براى بهبود عملکرد سیستم هاى قدرت چند ناحیه ای مطرح شده است. با در نظر گرفتن سیستم قدرت چند ناحیه ای بر اساس LFC به عنوان طرح کنترل نامتمرکز براى سیستم چند خروجى ، چند ورودى ، در [٩] نشان داده شده است که گروهى از کنترل کننده هاى محلى با پارامترهاى نتظیم شده میتوانند ثبات و عملکرد کلى سیستم را تظمین کنند.
- بخشی از مقاله انگلیسی:
Abstract
The present paper investigates the load-frequency control (LFC) for improving power system dynamic performance over a wide range of operating conditions. This study proposed design and application of the neural network model predictive controller (NN-MPC) on two-area load frequency power systems. Neural network model predictive control (NN-MPC) combines reliable prediction of neural network with excellent performance of model predictive control using nonlinear Levenberg–Marquardt optimization. The controller used the local power area error deviation as a feedback signal. To validate the effectiveness of the proposed controller, two-area power system is simulated over a wide range of operating conditions and system parameters change. Further, the performance of the proposed controller is compared with a fuzzy logic controller (FLC) through simulation studies. Obtained results demonstrate the effectiveness and superiority of the proposed approach.
Keywords Neural predictive control; Model predictive control; Fuzzy logic control; Two area load frequency control
1. Introduction
Large-scale power systems are normally composed of interconnected subsystems. The connection between the control areas is done using tie lines. Each area has its own generator or multigenerators and it is responsible for its own load and scheduled interchanges with neighboring areas. Because of a given power system loading is never constant and to ensure the quality of power supply, a load frequency controller is needed to maintain the system frequency at the desired nominal value. It is known that changes in real power affect mainly the system frequency and the input mechanical power to generators is used to control the frequency of the output electrical power. In a deregulated power system, each control area contains different kinds of uncertainties and various disturbances due to increased complexity, system modeling errors and changing power system structure. A well designed and operated power system should cope with changes in the load and with system disturbances and it should provide acceptable high level of power quality while maintaining both voltage and frequency within tolerable limits [1], [2] and [3].
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کنترلر پیش بینی های عصبی کنترل فرکانس بار دو منطقه ای |
| عنوان انگلیسی مقاله: |
Neural predictive controller of a two-area load frequency control for interconnected power system |
|
|