طراحی مقاوم پایدار ساز PSS3B برای میراسازی نوسانات فرکانس پایین سیستم قدرت تک ماشینه به روش KH و بهینه کردن آن به کمک یادگیری تقویتی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 508

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE06_451

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

هدف از این مقاله استفادهاز یادگیری تقویتی به منظور تولید سیگنال مکمل برای بهبود عملکرد پایدارساز سیستم قدرت است. یادگیری تقویتی یکیاز شاخه های مهم یادگیری ماشین در مبحث هوش مصنوعی بوده و روش کلی حل مسئله فرایند تصمیم گیری مارکو (MDP) است. در این مقاله یک روش کنترلی مبتنی بر یکی از انواع یادگیری تقویتی به نام Q-learning طراحی و به منظور بهبود عملکرد پایدار ساز سیستم قدرت سه باند (pss3b) در یک سیستم قدرت تک ماشینه مورد استفاده قرار گرفته است. در شبیه سازی ها نتایج شه نوع روش کنترلی با هم مقایسه شده است. پایدارساز سیستم قدرت معمولی، پایدار ساز سیستم قدرت سه باند و پایدار ساز سیستم قدرت سه باند + یادگیری تقویتی. نتایج شبیه سازی نشان می دهد که روش کنترلی پیشنهاد شده در این مقاله عملکرد بهتری نسبت به دو روش دیگر دارد.

کلیدواژه ها:

پایدار ساز سیستم قدرت ، یادگیری تقویتی ، Q-learning

نویسندگان

حسین شایقی

دانشگاه محقق اردبیلی

عبدالله یونسی

دانشگاه محقق اردبیلی

عادل اکبری مجد

دانشگاه محقق اردبیلی

یاشار هاشمی

دانشگاه محقق اردبیلی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Anderson and A. A. Fouad, Power system control and ...
  • H. Shayeghi, H. A. Shayanfar and A. Ghasemi, "A Robust ...
  • C. W. Taylor, _ Re sponse-based, feedforward wide-area control, " ...
  • C. C. Liu, J. Jung, G. T. Heydt and V. ...
  • A. Diu and L. Wehenkel, _ EXaMINE -Experimentat on of ...
  • D. Ernst, M. Glavic and L Wehenkel, "Power system stability ...
  • T. Yu and W. G. Zhen, "A reinforcement learming approach ...
  • J. G. Vlachogiannis and N. D. Hatziargyriou, "Reinforcemet learning for ...
  • V. Naduri and T K. Das, "A reinforcement learming model ...
  • R. Singh, "A novel approach for tuning of power system ...
  • dissertaition, Department of Electrical Engineering, Indian Institute of Science, Bangalor, ...
  • IEEE recommended practice for excitation system models for power system ...
  • A. H. Gandomi and A. H. Alavi, "Krill herd: A ...
  • Y. L. Abdel-Magid and M. A. Abido, "Optimal multiobjective design ...
  • K. R. Padiyar, Power System Dynamics, Giniraj Lane, Sultan Bazar, ...
  • نمایش کامل مراجع