مقایسه عملکرد الگوریتم های hsa،ica و pso به منظور حذف انتخابی هارمونیک ها در اینورتر چندسطحی آبشاری با وجود منابع dc متغیر

در این مقاله، یک روش جدید برای حذف انتخابی هارمونیک ها در اینورتر آبشاری ارائه گردیده است. تعیین زوایای سوئیچینگ با فرض تغییرات منابع dc صورت گرفته بنحویکه مولفه اصلی ولتاژ خروجی ثابت باقی مانده و همچنین هارمونیک های نامطلوب کاهش می یابند. برای دستیابی به این هدف از یک شبکه عصبی مصنوعی برای تعیین زوایای سوئیچینگ به صورت بلادرنگ استفاده می شود. در واقع به ازای مقادیر ورودی dc مختلف، ابتدا زوایای سوئیچینگ توسط الگوریتم های تکاملی محاسبه شده و سپس از این اطلاعات به منظور آموزش شبکه عصبی استفاده می شود. در این مقاله برای دستیابی به بهترین زوایای سوئیچینگ، از الگوریتم های تکاملی مختلف از جمله الگوریتم جستجوی هارمونی، الگوریتم رقابت استعماری و بهینه سازی ازدحام ذرات استفاده گردیده و در نهایت، با مقایسه نتایج بدست آمده از این الگوریتم ها، از روش مناسب تر جهت آموزش شبکه عصبی استفاده شده است.