کاربرد upfc در افزایش پایداری گذرای سیستم های قدرت با استفاده از روش تابع انرژی گذرا و شبکه های عصبی

امروزه به دلایل اقتصادی و همچنین زیست محیطی، سیستم های قدرت بسیار نزدیک به حدود پایداری خود مورد بهره برداری قرار می گیرند. در واقع مسئله حفظ پایداری گذرا در سیستم های قدرت پر فشار امروزی، نقش ویژه ای برای عملکرد امن سیستم ایفاء می نماید. پایداری گذرا به عدم تعادل بین توان مکانیکی ورودی به ژنراتورها و توان الکتریکی خروجی آن ها بستگی دارد و می توان با کنترل مناسب عناصر facts مانند sssc، statcom و upfc، پایداری گذرای یک سیستم قدرت را بهبود بخشید. در این پایان نامه ابتدا با در نظر گرفتن دو عنصر sssc و statcom که از ادوات نسل سوم facts به حساب می آیند و به کمک روش تابع انرژی، دو قانون کنترلی برای افزایش پایداری گذرای سیستم-های قدرت استخراج می شود. سپس با ترکیب قوانین کنترلی مربوط به sssc و statcom، یک قانون کنترلی برای upfc به منظور افزایش پایداری گذرای سیستم های قدرت چند ماشینه، ارائه می شود. اما نشان داده می شود که به کارگیری قانون کنترلی طرح شده برای upfc ، مستلزم انتخاب مقادیر عددی مناسبی برای ضرایب بهره (گین) جبران کننده های سری و موازی upfc است. بنابراین در این پایان نامه از الگوریتم بهینه سازی ابتکاری pso برای یافتن ضرایب بهینه مذکور استفاده می شود. اما در عمل زمان اجرا الگوریتم pso زیاد است و از طرفی برای هر شرایط کاری یک سیستم قدرت نیز ضرایب بهینه خاصی مورد نیاز است. برای غلبه بر این مشکل، در این پایان نامه از یک شبکه عصبی پرسپترون چند لایه (mlp) برای تخمین بهنگام این ضرایب بهینه استفاده می شود. از شرایط کاری مربوط به سیستم قبل از خطا به عنوان ورودی ها و از ضرایب بهینه مربوط به جبران کننده های سری و موازی upfc، به عنوان خروجی های شبکه عصبی طرح شده استفاده می شود. همچنین برای بیان مناسب مفاهیم مطرح شده در این پایان نامه، شبیه سازی های فراوانی هم بر روی یک سیستم قدرت تک ماشینه متصل به شین بی نهایت (smib) و هم سیستم های چند ماشینه انجام می شود و نتایج به دست آمده به طور کامل مورد بحث و تجزیه و تحلیل قرار می گیرد.