طراحی یک کنترل کننده ی هوشمند مبتنی بر شبکه ی عصبی موجک برای بهبود پایداری سیستم های قدرت

برای میرا ساختن نوسانات در سیستم قدرت، یک کنترلکنندهی هوشمند جدید پیشنهاد میشود. این کنترل کننده یک کنترل کننده ی شبکه عصبی موجک آموزش دیده به صورت آنلاین است (OTWNNC) که در آن نرخ یادگیری تطبیقی حاصل از پایداری لیاپانوف برای تضمین همگرایی کنترل کننده ی پیشنهادی مورد استفاده قرار میگیرد. طی روند کنترل آنلاین، به دلیل توانایی یادگیری کنترل کننده ی پیشنهادی، شناسایی سیستم، نیاز نیست، یکی از ویژگیهای کنترل کننده ی پیشنهادی، مقاومت آن در برابر اختلالات و شرایط عملیاتی مختلف است. سیستم قدرت تست یک سیستم قدرت چهار ماشینهی دو ناحیه ای است. نتایج شبیه سازی نشان میدهد که با استفاده از OTWNNC نوسانات به طور رضایت بخشی میرا میشوند.

کلیدواژه ها:

پایدارساز سیستم قدرت (PSS) ، شبکه عصبی موجک ، نرخ یادگیری تطبیقی ، سیستم کنترل هوشمند ،