طراحی پایدار ساز بهینه سیستم قدرت فازی با استفاده از روشهای بهینه سازی چند هدفه

سیستمهای قدرت همواره در معرض اغتشاشات ناشی از تغییرات ناگهانی بار و نیز شبکه قرار دارند. پایدارسازهای قدرت برای بهبود رفتار سیستم در مقابل این اغتشاشات و حفظ پایداری سیستم قدرت بکار میروند . استفاده از کنترل کننده های فازی و بهینه سازی آنها توسط روشهای بهینه سازی چند هدفه می تواند بهبود قابل ملاحظه ای در رفتار سیستم ایجاد کند. نوسانات فرکانس پائین در سیستمهای قدرت یکی از معضلات است که همواره با آن مواجه هستیم و برای هر چه سریعتر میرا کردن آن نوسانات از پایدار سازی های سیستم قدرت استفاده می شود. پایدار ساز های سیستم قدرت اغلب به عنوان تجهیزات موثر برای پایدار سازی و ضریب میرائی پایین نوسانات فرکانسی ناشی از اغتشاشات در شبکه های قدرت شناخته شده اند.طراحی و تنظیم pss برای سیستم های بسیار مهم بوده. به این دلیل تنظیم نادرست pss ممکن است باعث نوسانات میرا شده بسیار ضعیف یا حتی ناپایداری بدلیل از دست رفتن سنکرونیزم شود.به طور کلی یک pss تجهیزی پایدارساز برای سیکنال ورودی اضافی تحریک سیستم،در فاز با انحرافات سرعت سنکرون روتور در سیستم می باشد.در چند دهه اخیرانواع مختلف psss طراحی شده است. پایدار سازهای سیستم قدرت متعارف (cpss) متشکل از جبران سازهای پسفاز _ پیشفاز شناخته شده است،که هنوز به طور گسترده ای در سیستم قدرت به کار می رود.به منظور افزایش پایداری دینامیکی شبکه قدرت نیاز به طراحی pss می باشد.به علت وابستگی شدید عملکرد psss به مدل شبکه و مدل ژنراتور قبل از طراحی نیاز به طراحی دقیق مدل شبکه و مدل ژنراتور داریم و از انجاییکه در سیستم های قدرت چند ماشینه مدل ژنراتور نقش مهمی دارد لذا سعی بر مطالعه مدل های مهم ژنراتور که در دینامیک سیستم قدرت مورد استفاده قرار می گیرد می شود.و در طراحی pss بدلیل وابستگی شدید عملکرد pss به مدل شبکه سعی می شود تا پایدار ساز سیستم قدرت در شبکه قدرت با شین بی نهایت و نیز بدون شین بی نهایت مورد بررسی قرار گیرد تا تاثیرات شین بی نهایت در عملکرد pss بدست آید.استفاده از منطق فازی مبنی بر پایدار سازی سیستم قدرت (flpss) علاقه مندی زیادی اخیرا پیدا کرده. انجام محاسبات کم،سادگی و مقاوم بودن,آنها را برای کاربردهای پایدارسازی مناسب کرده است.در حال حاضر روشهای مختلف برای طراحی flpss توسط الگوریتم های ژنیتیکی (ga) و شبکه های عصبی مصنوعی (ann) ارائه شده است. پارامتر های کنترل کننده (ضرایب قوانین فازی) در این تحقیق با استفاده از روشهای بهینه سازی چند هدفه انجام می شود. روش پیشنهادی روی دو سیستم تک ماشینه متصل به شین بی نهایت و سیستم دو ناحیه ای چهار ماشینه کندور پیاده سازی شده و در نهایت خطاهای مختلفی روی سیستم های مذکور با pss های بهینه اعمال شده و نتایج شبیه سازی با هم مقایسه شده اند.