طراحي كنترل‌كننده فازي– عصبي براي كنترل‌كننده يكپارچه عبور توان تكامل‌يافته بر اساس ماكزيمم سازي تابع انرژي لياپانوف جهت بهبود پايداري گذرا

Features Designing a Neuro-Fuzzy Controller for GUPFC to Improve Transient Stability Based on Energy Function

در اين مقاله طراحي يك كنترل‌كننده عصبي - فازي براي GUPFC جهت بهبود پايداري گذرا تحت بررسي قرارگرفته است. براي اين جبران‌كننده كنترل كننده اي طراحي شده كه با برآورده كردن معيار پايداري لياپانوف، باعث افزايش حاشيه پايداري گذرا و كاهش نوسانات گذرا در سيستم‌هاي فوق گرديده است. با توجه به اين‌كه تابع انرژي گذراي سيستم ابزار مناسبي براي بررسي مسئله‌ي پايداري است، بهينه‌سازي تابع انرژي GUPFC به‌منظور دستيابي به بيشترين حاشيه‌ي پايداري گذرا مدنظر قرار گرفته است. اين ايده، اساس توليد اطلاعات آموزش موردنياز در شبكه‌ي ANFIS به‌عنوان كنترل‌كننده‌ي GUPFC قرارگرفته است. مطالعه‌ي چگونگي تأثير GUPFC در نيل به هدف، با پياده‌سازي روش پيشنهادي بر روي سيستم تك‌ماشينه - شين بينهايت (SMIB) و سيستم 9 باس انجام شده است. همچنين با شبيه‌سازي ديگر ادوات FACTS‌ ازجمله UPFC و IPFC برتري GUPFC با مقايسه‌ي نتايج نشان داده شده است.

In this paper, designing a neuro-fuzzy controller for generalized unified power flow controller (GUPFC) to improve transient stability has been investigated. For this purpose, a controllable compensator has been designed by using lyapunov stability criterion to increase transient stability margin and damp transient oscillation in such systems. Since transient energy function of system is a suitable tool for investigating the stability issue, optimization of GUPFC energy function has been noticed in order to reach the highest margin of transient stability. This idea is the basis of producing required teaching information in ANFIS network and can be used as a GUPFC controller. In this paper, the impact of GUPFC on single machine system, infinite bus (SMIB) and 9-bus system (Anderson and Fouad, 1977) has been studied by using proposed method. Moreover, by simulating the other FACTS devices such as UPFC and IPFC, the priority of GUPFC was proved.