A fuzzy wavelet neural network stabilizer design using genetic algorithm for multi-machine systems

This paper presents a new method to design power system stabilizer (PSS) using fuzzy wavelet neural network (FWNN) for stability enhancement of a multi-machine power system. In the proposed approach, Wavelet Neural Network (WNN) is used to construct a well localized in both time and frequency domains consequent part for each fuzzy rule of a Takagi-Sugeno-Kang (TSK) fuzzy model. In designing the FWNN stabilizer the activation function of hidden layer neurons is substituted with dilated and translated Mexican Hat wavelet function. In the proposed method, an efficient genetic algorithm (GA) approach is used to obtain the optimal values of such parameters as translation, dilation, weights, and membership functions. These parameters are tuned through simulation of non-linear model of power system under chosen disturbance by minimizing a non-explicit based objective function. Results are promising and demonstrate the capabilities of the proposed FWNN stabilizer in damping of overall power oscillations in the system. It is worth noting that the proposed FWNN stabilizer, moreover, significantly improves the dynamic response characteristics, reducing the number of fuzzy rules as well as a fast convergence of network. Streszczenie. W artykule opisano metodę projektowania stabilizatora systemu elektroenergetycznego z wykorzystaniem sieci neuronowej bazującej na rozmytej teorii falkowej. W celu optymalizacji parametrów sieci zastosowano algorytm genetyczny oraz wykonano symulacje uwzględniające odpowiednie zakłócenia w sieci. Wykonane badania wykazały, że proponowany algorytm pozwala na skuteczne tłumienie oscylacji mocy w systemie elektroenergetycznym. (Zastosowanie sieci neuronowej z falkami rozmytymi oraz algorytmu genetycznego w stabilizacji elektrycznego systemu wielomaszynowego).