طراحی پایدار ساز سیستم قدرت مبتنی بر شبکه موجک فازی به منظور میرا کردن نوسان‌های فرکانس پایین سیستم قدرت

نوع مقاله: مقاله علمی فارسی

نویسندگان

1 دانشجوی دکتری کنترل، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران

2 دانشجوی کارشناسی ارشد کنترل، دانشکده مهندسی برق و کامپیوتر-دانشگاه صنعتی اصفهان - اصفهان- ایران

3 دانشیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران

4 استادیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایران

5 دانشیار، دانشکده فنی و مهندسی- گروه مهندسی برق- دانشگاه شهید باهنر کرمان - کرمان- ایران چکیده

چکیده

در این مقاله، یک روش جدید مبتنی بر شبکه‌های موجک فازی (FWN)، برای طراحی پایدارساز سیستم قدرت (PSS) به منظور میرا کردن نوسان‌های فرکانس پایین سیستم قدرت ارائه شده است. شبکه موجک فازی که از تئوری موجک و مفاهیم فازی الهام گرفته شده است، برای طراحی همزمان دو پایدارساز سیستم قدرت به‌کار رفته است، که در آن، خطای بین خروجی مطلوب سیستم و خروجی واقعی به منظور آموزش پارامترهای شبکه موجک فازی استفاده استفاده می­شود. الگوریتم حداقل مربعات متعامد (OLS) برای تعیین ابعاد شبکه، غربال کردن موجک‌ها به منظور انتخاب موجک‌های مؤثر، تعیین تعداد زیرشبکه­های عصبی موجک و قوانین فازی استفاده شده است. همچنین در این مقاله، از الگوریتم جهش قورباغه‌های به هم آمیخته(SFL)  به منظور آموزش پارامترهای شبکه موجک فازی و یافتن مقادیر بهینه پارامترهای پایدار ساز استفاده شده است. به منظور نشان دادن قابلت و توانایی روش پیشنهادی، مطالعات عددی بر روی یک سیستم تست 2-ناحیه-4 ماشین ارائه شده است. همچنین به منظور نشان دادن مقاوم بودن پایدارسازهای طراحی شده دو نوع خطای سه فاز و تک فاز به سیستم اعمال شده است. و نیز به منظور انجام یک مقایسه دو پایدار ساز کلاسیک با ساختار پیشفاز-پسفاز طراحی شده اند که پارامترهای آنها با استفاده از الگوریتم SFL تنظیم شده است. نتایج شبیه سازی قابلیت و برتری پایدار سازهای طراحی شده مبتنی بر شبکه موجک را نشان می دهند.

کلیدواژه‌ها


عنوان مقاله [English]

Power System Stabilizer Design for Damping Power System Low Frequency Oscillations based on Fuzzy Wavelet Neural Network

نویسندگان [English]

  • Maryam Shahriari kahkeshi 1
  • Ehsan Bijami 2
  • Farid Sheikholeslam
  • Malihe Maghfoori Farsangi5
  • Maryam Zekri 4
  • Malihe Maghfoori Farsangi5
  • Malihe Maghfoori Farsangi5 5
  • Ehsan Bijami
  • Maryam Shahriari kahkeshi
1 1 Department of electrical engineering, Faculty of Engineering, Isfahan University of Technology, Isfahan, Iran
2 Department of electrical engineering, Faculty of Engineering, Isfahan University of Technology, Isfahan, Iran
3 Department of electrical engineering, Faculty of Engineering, Isfahan University of Technology, Isfahan, Iran
4 Department of electrical engineering, Faculty of Engineering, Isfahan University of Technology, Isfahan, Iran
5 5Department of electrical engineering, Faculty of Engineering, Shahid Bahonar University, Kerman, Iran
چکیده [English]

This paper presents a new online Power System Stabilizer (PSS) design based on fuzzy wavelet network (FWN) to damp the multi-machine power system low frequency oscillations. The FWN, inspired by the wavelet theory and fuzzy concepts, is used to simultaneous design of two PSSs, in which error between system desired output and output of control object is directly utilized to tune the network parameters. The orthogonal least square (OLS) algorithm is used to determine network dimension, purify the wavelets for selecting efficient wavelets, and determine the number of sub- wavelet neural networks and fuzzy rules. In this paper, Shuffled Frog Leaping Algorithm (SFLA) is employed for learning of FWN parameters and to find the optimal values of the controller parameters. To illustrate the capability of the proposed approach, some numerical results are presented on a 2-area 4-machine system. To show the effectiveness and robustness of the designed supplementary controllers, a line-to-ground fault and also a three phase fault are applied at a bus. Furthermore, to make a comparison, two conventional PSSs are designed in which a lead-lag structure is considered for each PSS and its parameters are tuned using SFLA. The simulation results show the superiority and capability of the FWN based PSSs.

کلیدواژه‌ها [English]

  • Fuzzy wavelet network (FWN)
  • Shuffled frog leaping algorithm (SFLA)
  • Power System Stabilizer
  • Low frequency oscillation

منابع

[1]          Kundur, P., "Power system stability and control", McGraw-Hill, USA, 1994.

[2]          Chen, G. P., Malik, O. P., Hope, G. S., Qin, Y. H., and Xu, G. Y., "An adaptive power system stabilizer based on the self-optimization pole shifting control strategy",IEEE Trans. on Energy Conversion, Vol. 8, No. 4, 1993.

[3]          Yousef, A. M., Kassem, A. M., "Optimal pole shifting controller for interconnected power system", Energy Conversion and Management, Vol. 52, 2011.

[4]          Furini, M. A., Pereira, A. L. S., Araujo, P. B., “Pole placement by coordinated tuning of Power System Stabilizers and FACTS-POD stabilizers”, Electrical Power and Energy Systems, Vol. 33, 2011.

[5]          Farsangi, M. M., Song, Y. H., Tan, M., “Multi-objective design of damping controllers of FACTS devices via mixed H2/ H∞ with regional pole placement,” Electrical Power and Energy Systems, Vol.  25, 2003.

[6]          Zhu, C., Khammash, M., Vittal, V. and Qiu, W., “Robust Power System Stabilizer Design Using H∞ Loop Shaping Approach,”IEEE Trans.On Power Sysrem, Vol. 18, No. 2, 2003.

[7]          Soliman, M., Elshafei, A. L., Bendary, F., Mansour, W., “Robust decentralized PID-based power system stabilizer design using an ILMI approach”, Electric Power Systems Research, Vol. 80, 2010.

[8]          Xia, D., Heydt, G. T., “Self-tuning controller for generator excitation control,”IEEE Trans. PAS, Vol. 102, , 1983.

[9]          Ramakrishna, G., Malik, O. P., “Adaptive PSS using a simple on-line identifier and linear pole-shift controller”, Electric Power Systems Research, Vol. 80, 2010.

[10]          Abdelazim, T., and Malik, O.P., “An adaptive Power System Stabilizer Using On-line Self-learning Fuzzy Systems” In Proceedings, IEEE Power Engineering Society 2003 General Meeting, July 13-17, Toronto, Canada, 2003.

[11]          You, R., Eghbali, H. J., Nehrir, M. H., “An Online Adaptive Neuro-Fuzzy Power System Stabilizer for Multimachine Systems” IEEE Transaction on Power System, Vol. 18, No.1, 2003.

[12]          Hwang, G. H.,  Kim, D. W. J., Lee, H., An, Y. J.,” Design of fuzzy power system stabilizer using adaptive evolutionary algorithm”, Engineering Applications of Artificial Intelligence, Vol. 21, 2008.

[13]          Hussein, T., Saad, M. S., Elshafei, A. L. Bahgat, A.,” Damping inter-area modes of oscillation using an adaptive fuzzy power system stabilizer”, Electric Power Systems Research, Vol. 80, 2010.

[14]          Liu, W., Venayagamoorthy, G. K., Wunsch, D. C., “Adaptive Neural Network Based Power System Stabilizer Design”, Proceedings of the International Joint Conference on Neural Network, 2003.

[15]          He, J., Malik, O.P, An Adaptive Power System Stabilizer Based on Recurrent Neural Networks. IEEE Transactions on Energy Conversion, Vol. 12, No. 4, 1997.

[16]          Duwaish, H. N., Hamouz,  Z. A., “A neural network based adaptive sliding mode controller: Application to a power system stabilizer”, Energy Conversion and Management, Vol. 52, 2011.

[17]          Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Design of Power System Stabilizer Using Immune Algorithm.  14th International Conference on Intelligence Systems Application to power Systems ~ISAP2007~, 2007.

[18]          Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Damping of  Inter-area Oscillation by Designing a Supplementary Controller for SVC Using Iimmune Algorithm, IFAC Symposium on Power Plants and Power System Control,  2007.

[19]          Kyanzadeh, S., Farsangi, M.M., Nezamabadi-pour, H., Lee, K.Y., Design of a Supplementary Controller for SVC Using Hybrid Real Immune Algorithm and Local Search, IEEE Power Engineering Society General Meeting, 2008.

[20]          Bijami, E., Askari, J. and Farsangi, M.M., Power System Stabilizers Design by Using Shuffled Frog Leaping, The 6th International Conference on Technical and Physical Problems of Power Engineering, 2010.

[21]          Shayeghi, H., Shayanfar, H.A., Jalilzadeh, S., Safari, A.,” Multi-machine power system stabilizers design using chaotic optimization algorithm”, Energy Conversion and Management, Vol. 51, 2010.

[22]          Khaleghi, M., Farsangi, M. M., Nezamabadi-pour, H., Lee, K.Y., “Pareto-Optimal Design of Damping Controllers Using Modified Artificial Immune Algorithm”,IEEE Trans.syst man and cybernetics, 2011.

[23]          Ho, D. W. C., Zhang, P. A., Xu, J., “Fuzzy wavelet networks for function learning”. IEEE Trans. Fuzzy Systems, Vol. 9, No. 1, 2001.

[24]          Zekri, M., Sadri, S., Sheikholeslam, F., Adaptive Fuzzy Wavelet Network Control Design for Nonlinear Systems. Fuzzy Sets  and Systems. Vol. 159, 2008.

[25]          Tang Tzeng S., Design of fuzzy wavelet neural networks using the GA approach for function approximation and system identification, Fuzzy Sets and Systems, Vol. 161,  ,  2010.

[26]          Abiyev, R. H., Kaynak, O., Fuzzy wavelet neural networks for identification and control of dynamic plants—a novel structure and a comparative study, IEEE Transactions on Industrial Electronics, Vol. 55,  2008.

[27]          Abiyev, R. H., Kaynak, O., Identification and control of dynamic plants using fuzzywavelet neural networks, 2008 IEEE International Symposium on Intelligent Control, Texas, USA, 2008.

[28]          Huynh, T. H., “A Modified Shuffled Frog Leaping Algorithm for Optimal Tuning of Multivariable PID Controllers”, IEEE International Conference on Industrial Technology, ICIT, 2008.

[29]          Eusuff, M. M., Lansey, K., Pasha, F., “Shuffled frog-leaping algorithm: a memetic meta-heuristic for discrete optimization,” Engineering Optimization, Vol. 38, No. 2, 2006.

[30]          Chow, J., Power System Toolbox: A Set of Coordinated m-Files for Use with MATLAB, ON, Canada: Cherry Tree Scientific Software, 1997.