امین قاقیش پور؛ امانگلدی کوچکی؛ مسعود رادمهر
چکیده
در این مقاله، یک روش هوشمند به‌منظور تخمین آنلاین حد پایداری ولتاژ (VSM) براساس سیستم فازی - عصبی تطبیقی (ANFIS) بهینه‌شده ارائه شده است. الگوریتم بهینه‌سازی شاهین هریس (HHOA) به‌عنوان الگوریتم آموزش ANFIS استفاده ...
بیشتر
در این مقاله، یک روش هوشمند به‌منظور تخمین آنلاین حد پایداری ولتاژ (VSM) براساس سیستم فازی - عصبی تطبیقی (ANFIS) بهینه‌شده ارائه شده است. الگوریتم بهینه‌سازی شاهین هریس (HHOA) به‌عنوان الگوریتم آموزش ANFIS استفاده شده است و روش مرسوم تبدیل موجک نیز به‌عنوان تکنیک استخراج ویژگی روی پروفیل ولتاژ شبکه اعمال خواهد شد. مشخصه‌های بارگذاری سیستم به‌عنوان ویژگی‌های اولیه به‌منظور تخمین VSM به کار می‌روند؛ به دلیل اینکه حاوی اطلاعات لازم دربارۀ ساختار شبکه، سطوح بار، الگوی تولید و عملکرد سیستم کنترلی در شبکه است. به کمک تکنیک تبدیل موجک با قدرت تفکیک بالا (MRWT)، ویژگی‌های لازم برای ورود به بلوک ANFIS استخراج می‌شوند؛ اما به دلیل تنوع و تعدد این ویژگی‌ها به‌خصوص در شبکه‌های بزرگ، روش تحلیل مؤلفۀ اساسی (PCA) با هدف انتخاب ویژگی‌های غالب به کار خواهد رفت که بیشترین تأثیر را بر پایداری شبکه دارند. ویژگی این الگوریتم ترکیبی این است که می‌توان از آن، هم در شرایط دینامیکی و هم در شرایط استاتیکی شبکه استفاده کرد. درنهایت، الگوریتم پیشنهادی روی سیستم‌های تست 39 و 118 باس IEEE، پیاده‌سازی و نتایج آن ارزیابی شده است. مقایسۀ نتایج با مدل‌های مشابه تخمین VSM، نشان‌دهندۀ اثربخشی مدل پیشنهادی برای شبکه‌های قدرت بزرگ است.
