سال انتشار: ۱۳۸۷

محل انتشار: بیست و سومین کنفرانس بین المللی برق

تعداد صفحات: ۱۱

نویسنده(ها):

پیمان جعفریان – قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر- دانشگ
مجید صنایع پسند – قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر- دانشگ
بابک نجار اعرابی – قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر- دانشگ

چکیده:

در این مقاله شناسایی مدل نروفازی خطی -محلی ۱ برای سیستم قدرت با هدف نظارت بر شبکه ۲ مورد بررسی قرار میگیرد. از آنجائیکه به دلیل گستردگی شبکه قدرت، تعداد ورود یهای مدل یک سیستم قدرت واقعی بسیار زیاد میباشد, شناسایی مدل های عصبی RBF 4 یا ۳MLPمتعارف نیازمند تعداد زیاد نرون در لایه میانی است تا دستیابی به خطای قابل قبول در تخمین سیستم را برآورده سازد . در مدل نروفازی خطی – محلی خروجی هر نرون از ترکیب یک تابع غیر خطی و یک مدل خطی حاصل می شود. بدین ترتیب با تعداد نرو ن های کمتر در لایه میانی می توان به خطای قابل قبول در تخمین سیستم دست یافت . علاوه بر این، با لحاظ نمودن دینامیک برای مدل نویز در مد ل های خطی محلی , میتوان تاثیر برخی عدم قطعیت ها را در شناسایی سیستم کاهش داد و کیفیت شناسایی را بهبود بخشید. Iسیستم قدرت تحت مطالعه شبکه استاندارد ۱۴ باسهEEE میباشد. با شبیه سازی این سیستم توسط نرم افزاری تحلیل گذرای سیستم قدرت (PSCAD/EMTDC)،سیگنا ل های،مورد نیاز برای شناسایی مدل استخراج شده است . تغییرات نقطه کار سیستم قدرت بر کیفیت مدل شناسایی شده مورد بررسی قرار گرفته است و روشی برای بهبود کیفیت شناسایی و افزایش مقا ومت مدل به تغییر نقطه کار سیستم ارائه شده است.