عنوان پایان‌نامه
طراحی پایدارساز ( PSS) چند ماشینه با منطق فازی برای میرا سازی نوسانات سیستم قدرت
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44133;کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1703
- تاریخ دفاع
- ۲۰ بهمن ۱۳۸۸
- دانشجو
- عبدالرضا قلی پور
- استاد راهنما
- حمید لسانی
- چکیده
- چکیده این پایان نامه یک پایدارساز سیستم قدرت فازی-عصبی جدید را برای بهبود حالات دینامیکی سیستم قدرت توسعه داده است. در این پایان نامه طراحی، شبیه سازی و کارایی یک پایدار ساز سیستم قدرت فازی- عصبی با سیگنال جدید برای سیستم قدرت چند ماشینه مورد بحث قرار گرفته است. و کارایی این پایدار ساز در میرا کردن نوسانات بین ناحیه¬ای و نوسانهای محلی مورد مطالعه قرار گرفته است. بر خلاف پایدارسازهای متعارف فازی با ورودی های سرعت، مشتق سرعت یا شتاب و یا تغییرات توان شتاب دهنده هر ماشین، در این پایان نامه تغییرات توان انتقالی اکتیو بین دو ناحیه (?P_tie) ، به عنوان یکی از ورودی های پایدارساز سیستم قدرت فازی- عصبی، همراه با ورودی تغییرات سرعت مورد استفاده قرار گرفته است. مزایای این سیگنال توان انتقالی آن است که سیگنال یکسانی به پایدارسازهای فازی- عصبی هر ژنراتور داده می شود که این باعث کم شدن قیمت، کاهش زمان اسکن و همچنین باعث سادگی ساختار سیستم کنترل می¬گردد. در طراحی از مدل فازی سوگنو مرتبه اول استفاده شده که پارامترها به صورت OFF-LINE با استفاده از الگوریتم انتشار رو به عقب تنظیم شده اند. کنترلر با آموزش تنظیم شده و پارامترها به گونه ای بهینه می شوند که پایدارساز فازی- عصبی کارایی مورد نظر را داشته باشد. شبیه¬سازی¬ها با اغتشاشات کوچک و بزرگ مورد مطالعه قرار گرفته¬اند. و کارایی این پایدار ساز فازی-عصبی جدید با پایدارساز فازی و پایدارساز کلاسیک در سیستم دو ناحیه ای، چهارماشینه مورد مقایسه قرار گرفته است. در سیستم چند ماشینه پایدارساز فازی- عصبی نوسانات را سریع¬تر میرا کرده و علاوه بر سادگی و مقرون به صرفه بودن نتایج رضایت بخشی را در مقابل انواع اغتشاشات دارد. شبیه سازی سیستم با نرم افزار MATLAB در محیط SIMULINK انجام شده است.
- Abstract
- Abstract In this thesis, a neuro-fuzzy power system stabilizer (NFPSS) has been developed to improve dynamic performance of the power system. The proposed ANFIS (Adaptive Neuro-Fuzzy Inference System) based PSS (Power System Stabilizer) with new input signal is applied to a multi-machine power system and its performance in damping low frequency local and inter-area oscillations is investigated. Instead of conventional input pairs like speed deviation (??) and acceleration (?? ?) or speed deviation and accelerating power deviation of each machine (?P), in this thesis, deviation of active power through the tie line connecting two areas (?P_tie) is used as one of the inputs to the neuro-fuzzy PSS in conjunction with the speed deviation. The advantage of this input is that, the same signal can be fed to each of the neuro-fuzzy based PSS attached with each machine, which reduces cost, scanning time and thus simplifies the structure. The design employs a first order Sugeno fuzzy model, whose parameters are tuned off-line through hybrid learning algorithm. The proposed NFPSS deals with automatic the parameters tuning to achieve the desired performance. The Neuro-Fuzzy Power System Stabilizer (FPSS) is tuned by training. Simulations studies with small disturbance and large disturbance and comparison between the proposed neuro- fuzzy power system stabilizer (NFPSS), fuzzy power system stabilizer (FPSS) and conventional power system stabilizer (CPSS) using four machines two area system conducted. In multi machine the (NFPSS) has damped the oscillation faster than the robust PSS and apart from the the simplicity and cost effectiveness, it is found that the proposed PSS is performing satisfactorily within the whole range of disturbances. This comparative study is demonstrated through digital simulation
