هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1389 | دوره:1 | شماره:1 (پیاپی 1) |تعداد مقالات:7

در این مقاله، یک روش جدید مبتنی بر شبکه های موجک فازی (FWN)، برای طراحی پایدارساز سیستم قدرت (PSS) به منظور میرا کردن نوسان های 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 به کار رفته است، که در آن، خطای بین خروجی مطلوب سیستم و خروجی واقعی به منظور آموزش پارامترهای شبکه موجک فازی استفاده استفاده می شود. الگوریتم حداقل مربعات متعامد (OLS) برای تعیین ابعاد شبکه، غربال کردن موجک ها به منظور انتخاب موجک های موثر، تعیین تعداد زیرشبکه های عصبی موجک و قوانین فازی استفاده شده است. همچنین در این مقاله، از الگوریتم جهش قورباغه های به هم آمیخته (SFL) به منظور آموزش پارامترهای شبکه موجک فازی و یافتن مقادیر بهینه پارامترهای پایدارساز 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 پایدارساز 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 پایدارسازهای طراحی شده مبتنی بر شبکه موجک را نشان می دهند.

در این مقاله با استفاده از الگوریتم تکاملی کلونی زنبورهای عسل (ABC) و بر اساس معیار انتگرال زمان، قدرمطلق خطا (ITAE) به طراحی کنترل کننده فرکانس بار (LFC) در سیستم های قدرت تجدید ساختار یافته با سیاست دوجانبه پرداخته شده است. در این راستا، در نظر گرفتن تابع هدف مناسب برای دست یافتن به عملکرد مقاوم مطلوب مهم است. نتایج شبیه سازی ها نشان می دهد با بهره گیری از معیارITAE  که با وجود انحراف فرکانس و خطای کنترل ناحیه (ACE) است، پارامترهای کنترل بهینه برای سیستم قدرت با استفاده از روش ABC به آسانی به دست می آیند. کارآیی روش پیشنهادی بر روی یک سیستم قدرت چهار ناحیه ای تجدید ساختار یافته با سناریوهای قراردادی ممکن تحت تقاضای بار زیاد و اغتشاش های ناحیه ای نشان داده شده است. با ارزیابی نتایج مشاهده می شود که روش بهینه سازی پیشنهادی در محدوده وسیعی از تغییرات پارامترهای سیستم و تغییرات بار در حضور خاصیت غیرخطی بودن سیستم، عملکرد مقاوم خوبی داشته، بنابراین، می تواند در کنترل کننده های دیگر نیز استفاده شود.

پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم های حفاظتی منجر می گردد. در واقع تشابه بین ویژگی های جریان هجومی و شرایط خطای داخلی باعث بروز این خطا می گردد. بنابراین، برای کارکرد ایمن ترانسفورماتور لازم است که جریان هجومی از جریان خطا تشخیص داده شود. در این مقاله یک شبکه عصبی مصنوعی که توسط دو الگوریتم مبتنی بر گروه؛ یعنی الگوریتم جستجوی گرانش و بهینه سازی گروه ذرات آموزش داده می شود، برای تشخیص جریان هجومی از جریان خطا در ترانسفورماتورهای قدرت به کار رفته است. الگوریتم جستجوی گرانشی بر مبنای قانون گرانش عمل می نماید و بر خلاف سایر الگوریتم های مبتنی بر گروه ذرات دارای هویت است و الگوریتم بهینه سازی گروه ذرات مبتنی بر حرکت گروهی پرندگان است. این مقاله شامل دو مرحله عمومی است: در گام اول داده های بدست آمده از شبیه سازی، پردازش شده و به شبکه عصبی اعمال شده اند. سپس در گام دوم شبکه عصبی در نظر گرفته شده با الگوریتم های جستجوی گرانشی و بهینه سازی گروه ذرات آموزش داده شده است. در نهایت، به منظور نشان دادن اینکه این روش آموزش مفید بوده، به نتایج دقیق تری منجر می شود، نتایج بدست آمده از دو الگوریتم پیشنهادی و روش پس انتشار که یکی از رایج ترین روشهای آموزش شبکه های عصبی است، مقایسه شده اند.

در این مقاله، بهینه یاب جدیدی مبتنی بر الگوریتم جستجوی گرانشی برای حل مسائل چند هدفه ارائه شده است. در بهینه یاب طراحی شده، از مفاهیم اساسی بهینه سازی چند هدفه، برای هدایت عامل های جستجوگر در فضای جستجو به سمت منطقه بهینه استفاده شده است. برای ارائه رویکرد مناسب مبتنی بر پرتو در حل مسائل چند هدفه با الگوریتم گرانشی به گونه ای شایسته، موضوع های تخصیص شایستگی، حفظ تنوع و نخبه گرایی رابطه مند شده اند. الگوریتم پیشنهادی با الگوریتم های مطرح در این زمینه در مسائل عددی استاندارد مقایسه و نتایج ارائه شده است. سپس از این الگوریتم برای حل مساله جایابی بهینه جبران کننده توان راکتیو استاتیکی (SVC) با در نظر گرفتن اهداف سه گانه استفاده شده است. کارایی استفاده از SVC در سیستم های قدرت، بستگی زیادی به مکان قرارگیری آن ها دارد. در نتیجه، هنگام استفاده از این ادوات، جایابی بهینه آن ها (پیدا کردن مکان و ظرفیت بهینه) باید مورد توجه قرار گیرد. در این مقاله، جایابی بهینهSVC  بر مبنای اهداف چندگانه همچون پایداری ولتاژ، کاهش تلفات و هزینه خرید ادوات انجام می گیرد. نتایج آزمایشها کارایی روش پیشنهادی را تایید می کند.

در این مقاله روش کنترل برداری فازی در کنترل سرعت موتورهای مغناطیس دائم داخلی (IPMSM) ارائه شده است. در این کنترل کننده از دو تنظیم گر سرعت و جریان استفاده شده است. کنترل کننده سرعت از نوع فازی و کنترل کننده جریان از نوع PI کلاسیک است. از الگوریتم ژنتیک در بهینه سازی ضرایب هر دو کنترل کننده استفاده شده است. بهینه سازی با اهداف سرعت پاسخ بالا، خطای حالت دائمی کم به نحوی که کنترل کننده با دقت خوبی تغییرات سرعت و گشتاور را دنبال کند، انجام شده است. در این مقاله دو روش کنترل فازی و کلاسیک با یکدیگر مقایسه شده تا نقاط ضعف و قوت هر کدام بررسی گردد. تغییرات پارامترهای موتور، نویز اندازه گیری و قطع یکی از فازها در اثر خطا در هر دو روش فازی و کلاسیک بررسی شده است. نتایج به دست آمده نشان دهنده رفتار مقاوم کنترل کننده فازی طراحی شده نسبت به کنترل کننده انتگرالی، تناسبی است.

به مدار آوردن نیروگاه ها یکی از مسائل مهم در بهره برداری از سیستم های قدرت است که با توجه به محدودیت ها و پارامترهای زیاد مطرح در آن، از پیچیدگی بالایی برخوردار است. در این مقاله یک روش جدید مبتنی بر الگوریتم بهینه سازی تجمع زنبور عسل برای حل مساله به مدار آوردن نیروگاه ها ارائه شده است که در آن از روش های کدبندی عدد صحیح (برای برآوری محدودیت های حداقل زمان روشن/ خاموش) و کدبندی باینری (برای برآوری قید ذخیره چرخان) استفاده شده است. عدم استفاده از روش مرسوم ضرایب جریمه در برآوری قیود مساله، از دیگر مزایای الگوریتم پیشنهادی است که از ترکیب روش های باینری و صحیح نتیجه شده است. با استفاده از الگوریتم پیشنهادی به خوبی می توان هزینه کل به مدار آوردن نیروگاه ها را کمینه کرد. نتایج شبیه سازی و مطالعات عددی گویای همگرایی بهتر الگوریتم پیشنهادی در مقایسه با سایر روش های موجود در این زمینه است.

یکی از دلائل بروز نوسان های فرکانس پایین در سیستم های قدرت، کمبود گشتاور میرا کننده به منظور غلبه بر اغتشاشات موجود در سیستم های قدرت است. در گذشته پایدارساز سیستم قدرت برای میرا نمودن نوسان های فرکانس پایین استفاده می شد. ادوات FACTs از قبیل جبران ساز سری کنترل شونده با تریستور (TCSC) توانایی کنترل توان، کاهش تشدید زیرسنکرون و افزایش پایداری گذرا را دارا هستند. TCSC را می توان برای میرا نمودن نوسان های فرکانس پایین جایگزین پایدارساز سیستم قدرت نمود. در این مقاله برای میرا نمودن نوسان های فرکانس های پایین از کنترل کننده های فازی، عصبی استفاده شده است. در روش ارائه شده در این مقاله، مدل خطی درجه 3 ماشین سنکرون (هفرون، فیلیپس) وصل شده به باس بینهایت به همراه TCSC استفاده شد و همچنین برای میرا نمودن نوسان های فرکانس پایین، کنترل کننده فازی، عصبی برای TCSC طراحی و شبیه سازی شد. روش ارائه شده برای بارهای متفاوت و برای اغتشاشات مختلفی که به سیستم وارد می شوند، شبیه سازی شده است. نتایج شبیه سازی بیانگر عملکرد خوب و مناسب کنترل کننده فازی، عصبی در میرا نمودن نوسان های فرکانس پایین است.