میراسازی نوسانات زیرسنکرون به‌کمک طراحی کنترل‌کننده فازی-عصبی برای مبدل DFIG

Authors

  • ایمان پورفر دزفول - دانشگاه صنعتی جندی‌شاپور - دانشکده مهندسی برق و کامپیوتر
  • رضا هاشمی دزفول - دانشگاه صنعتی جندی‌شاپور - دانشکده مهندسی برق و کامپیوتر
Abstract:

تشدید زیرسنکرون (SSR) معمولاً در مزارع بادی متصل به خط انتقال جبران شده‌سری اتفاق می‌افتد. در این مقاله یک کنترل‌کننده فازی عصبی با توجه به‌روش جدید میراسازی نوسانات زیر سنکرون توسط مبدل‌های ژنراتورهای القایی از دوسوتغذیه (DFIG)، طراحی می‌شود. با استفاده از بهره بلوک میرایی کنترل‌کننده زیرسنکرون (SSRDC) به‌دست‌آمده در حالات مختلف، کنترل‌کننده فازی-عصبی به‌روش سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) آموزش داده شده و بر روی سیستم پیاده‌سازی می‌شود. کنترل‌کننده فازی-عصبی طراحی‌شده موجب کاهش دامنه فراجهش و زمان نشست میرایی می‌شود و سبب بهبود پاسخ میراسازی نوسانات می‌گردد. از تحلیل مانده‌ها برای تشخیص نوع سیگنال‌ها و محل اعمال آن و از دیاگرام مکان هندسی برای طراحی بهره بلوک کنترل میرایی زیرسنکرون استفاده می‌شود. ناپایداری مود زیر سنکرون به‌وسیله تحلیل مقادیر ویژه و شبیه‌سازی حوزه زمان نشان داده می‌شود. برای مطالعه از سیستم استاندارد تست IEEE شماره یک استفاده‌شده و شبیه‌سازی به‌کمک نرم‌افزار MATLAB انجام می‌شود.

Download for Free

Sign up for free to access the full text

Already have an account?login

similar resources

ارائه یک استراتژی جدید برای مدیریت انرژی خودروی الکتریکی مبتنی بر مبدل دوطرفه سهدرگاهه و کنترلکننده فازی

چکیده: خودروهای الکتریکی در دهه گذ شته موردتوجه ب سیاری از ک شورها قرار گرفتهاند. سی ستم ذخیره سازی انرژی در این خودروها معمولا مجموعهای از باتریها است که همواره با مشکلاتی از قبیل گرم شدن بیشازحد، ظرفیت ذخیره انرژی پایین و بازدهی پایین همراه است؛ به همیندلیل توسعه خودروهای الکتریکی به علت هزینههای ناشی از وقوع این مشکلات تحت تأثیر قرار گرفته است. یک راهحل مناسب و ممکن برایبرطرف نمودن برخی از ا...

full text

طراحی پایدارساز PSS3B بر اساس الگوریتم KH و Q-learning برای میراسازی نوسانات فرکانس پایین سیستم قدرت تک‌ماشینه

The main purpose of this paper is to develop a supplementary signal using reinforcement learning (RL) to improve the performance of power system stabilizer (PSS). RL is one of the most important issues in the field of artificial intelligence and is the popular method for solving Markov decision procedure (MDP). In this paper, a control method is developed based on Q-learning and used to improve...

full text

طراحی کنترل‌کننده فازی عصبی تطبیقی برای پاندول معکوس

معادلات حالت سیستم پاندول معکوس به شکل متعارف کنترل‌پذیر بوده و شامل دو تابع غیرخطی می‌باشد. از آنجائی که شبکه‌های فازی عصبی تطبیقی دارای خاصیت تقریب‌زنی عمومی می‌باشند، در این مقاله از این ویژگی برای مدلسازی توابع مذکور استفاده می‌شود. سپس بر اساس روش خطی‌سازی با فیدبک و کنترل فازی تطبیقی و با استفاده از مدل شبکه‌های فازی عصبی تطبیقی، کنترل کننده مناسب برای سیستم پاندول معکوس طراحی گردیده است....

full text

طراحی کنترل‌کننده فازی عصبی تطبیقی برای پاندول معکوس

معادلات حالت سیستم پاندول معکوس به شکل متعارف کنترل‌پذیر بوده و شامل دو تابع غیرخطی می‌باشد. از آنجائی که شبکه‌های فازی عصبی تطبیقی دارای خاصیت تقریب‌زنی عمومی می‌باشند، در این مقاله از این ویژگی برای مدلسازی توابع مذکور استفاده می‌شود. سپس بر اساس روش خطی‌سازی با فیدبک و کنترل فازی تطبیقی و با استفاده از مدل شبکه‌های فازی عصبی تطبیقی، کنترل کننده مناسب برای سیستم پاندول معکوس طراحی گردیده است....

full text

ارائه یک استراتژی جدید برای مدیریت انرژی خودروی الکتریکی مبتنی بر مبدل دوطرفه سهدرگاهه و کنترلکننده فازی

چکیده: خودروهای الکتریکی در دهه گذ شته موردتوجه ب سیاری از ک شورها قرار گرفتهاند. سی ستم ذخیره سازی انرژی در این خودروها معمولا مجموعهای از باتریها است که همواره با مشکلاتی از قبیل گرم شدن بیشازحد، ظرفیت ذخیره انرژی پایین و بازدهی پایین همراه است؛ به همیندلیل توسعه خودروهای الکتریکی به علت هزینههای ناشی از وقوع این مشکلات تحت تأثیر قرار گرفته است. یک راهحل مناسب و ممکن برایبرطرف نمودن برخی از ا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 48  issue 1

pages  417- 430

publication date 2018-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023