كنترل كننده مقاوم تطبيقي بار فركانس مبتني بر يادگيري تقويتي براي يك سيستم قدرت به هم پيوسته شامل SMES

Robust Adaptive Load Frequency Controller Based on Reinforcement Learning in an Inter-Connected Power System

هدف از اين مقاله استفاده از يادگيري تقويتي براي طراحي كنترل كننده هاي PID و SMES مقاوم و تطبيقي براي كنترل بار فركانسي در يك سيستم قدرت دو ناحيه اي حرارتي است. ابتدا تنظيم پارامترهاي كنترل كننده هاي PID و SMES به صورت يك مسئله بهينه سازي مدل شده توسط الگوريتم تدريس - يادگيري اصلاح شده حل مي شود. سپس عملكرد هم زمان آن ها با استفاده از الگوريتم پيشنهادي مبتني بر يادگيري تقويتي بهينه مي گردد. كنترل كننده هاي مبتني بر يادگيري، ساختاري ساده و قابل فهم داشته و به راحتي به هر سيستمي قابل اعمال هستند. در نهايت براي ارزيابي عملكرد كنترل كننده پيشنهادي شبيه سازي هاي كامپيوتري توسط نرم افزار MATLAB صورت گرفته است و مقايسه روش هاي كنترلي طبق معيارهاي حوزه زمان، ITAE، IAE، ITSE و مقدار فراجهش و فروجهش، نشان از برتري روش ارائه شده را دارد.

The aim of this paper is using reinforcement learning for designing of robust and adaptive PID and SMES controllers to load frequency control in a two area thermal power system. Thus, in first setting of PID and SMES controller parameters formulated as an optimization problem and solved using teaching-learning optimization algorithm. Then the simultaneous performance of designed controllers improved using proposed reinforcement learning based controller. Simple and understandable structure and easy to use are distinguished advantages of q-learning based controllers. In order to evaluate the performance of the proposed controller, computer simulations have been done by using MATLAB software. Simulation results verified that the proposed q-learning based controller exhibits much better performance from the conventional optimization based controllers from viewpoint of time domain performance indices like over shoot, under shoot, ITAE, ITSE, and IAE