بهبود پایداری دینامیکی سیستم های قدرت به کمک روش های هوشمند مبتنی بر کوانتوم
چکیده
نوسانات فرکانس پایین در سیستم قدرت یک پدیده اجتناب ناپذیر بوده و میراسازی این نوسانات نیز امری ضروری و اجتناب ناپذیراست. جهت میراسازی این نوسانات، پایدارسازهای مختلفی ارائه شده است. از آن جا که رفتار دینامیکی سیستم قدرت، شدیدا غیر خطی و متغیر با زمان است، استفاده از پایدارساز های کلاسیک عملکرد مطلوبی به همراه نخواهد داشت. از طرفی عملکرد مناسب پایدارسازهای تطبیقی عصبی به علت انعطاف پذیری بالا در سیستم های غیرخطی و پیچیده، غیر قابل انکار است. در این پایان نامه یک ساختار پایدارساز تطبیقی عصبی مبتنی بر کوانتوم، به منظور افزایش پایداری و میرا کردن نوسانات فرکانس پایین در سیستم قدرت پیشنهاد می شود. پایدارساز پیشنهادی بر پایه مفاهیم کنترل تطبیقی و شبکه های عصبی کوانتوم بوده تا علاوه بر استفاده از مزایای کنترل تطبیقی، از مزایایی چون سرعت بالا، دقت زیاد و دینامیک خوب شبکه های عصبی کوانتوم نیز بهره مند گردد. پایدارساز پیشنهادی در سیستم قدرت تک ماشینه به کارگرفته شده و قابلیت بالای آن در جهت افزایش میرایی نوسانات محلی فرکانس پایین نسبت به پایدارسازهای کلاسیک و پایدارسازهای عصبی تطبیقی قدیم به اثبات می رسد. همچنین در این راستا ترکیب های مختلف شبکه عصبی mlp و کوانتوم به عنوان شناسایی کننده وکنترلر مورد بررسی قرار گرفته وآزمایشات شبیه سازی نشان خواهد داد ترکیباتی که از شبکه عصبی کوانتوم بیشتر استفاده گردیده نتیجه بهتری دارد. در ادامه با توجه به ویژگی های مطلوب ادوات facts، کنترل کننده پیشنهادی به منظور اعمال به sssc جهت میراسازی نوسانات بین ناحیه ای به کار گرفته خواهد شد. نتایج شبیه سازی نشان خواهد داد پایدارساز پیشنهادی نسبت به پایدارسازهای کلاسیک و پایداسازهای عصبی تطبیقی مبتنی بر mlp و پایدارسازهای معکوس آنلاین موفق تر خواهد بود.