طراحي پايدارساز سيستم قدرت با ساختار بهينه براي يك سيستم قدرت چند ماشينه به منظور ميرا كردن نوسانات فركانس پايين با استفاده از الگوريتم‌هاي فرا ابتكاري

Optimal Power System Stabilizer Design for a Multi-machine Power System to Damp the Low Frequencies using Metaheuristic Algorithms

جهت پاسخگويي به تقاضاي انرژي، گسترش شبكه‌هاي انتقال باعث رخ دادن نوساناتي بـا فركانس كم در سيستم قدرت شده است. اين نوسانات در صورت ميرا نشدن، قابليت بـاردهي خطـوط انتقال شبكه را كاهش داده و گاهاً باعث ناپايداري كل سيسـتم مـيگردد. از اين رو تنظيم بهينه پارامتر‌هاي پايدار‌ساز سيستم قدرت آن از اهميت ويژه‌اي برخوردار است. اين مهم باعث افزايش عملكرد مطلوب پايدار ساز در طي اغتشاش‌هاي ناخواسته مي‌شود. در اين مقاله، به‌منظور افزايش پايداري سيستم قدرت چند ماشينه و در نتيجه افزايش عملكرد كل سيستم قدرت، از الگوريتم بهينه سازي مبتني برآموزش و يادگيري استفاده مي‌شود. در واقع چون تنظيم بهينه پارامترهاي كنترلي تأثير مستقيم در ميزان پايداري فركانس پايين دارد، اين امر به‌صورت يك مسئله بهينه‌سازي فرمول‌بندي شده و با الگوريتم جديد مبتني برآموزش و يادگيري تنظيم بهينه پايدارساز سيستم قدرت انجام مي‌گردد. براي بررسي كارا بودن روش پيشنهادي از يك شبكه نمونه چهار شينه استفاده مي‌شود. با بررسي و مقايسه نتايج با استفاده از الگوريتم رقابت استعماري در حالت‌هاي مختلف نشان داده مي‌شود كه روش پيشنهادي با استفاده از الگوريتم بهينه سازي مبتني بر آموزش و يادگيري بسيار كاراتر مي‌باشد.

To meet the energy demand, the expansion of transmission networks has caused low frequency oscillations in the power system. These fluctuations, if not attenuated, reduce the capability of the transmission lines and sometimes cause the whole system to be unstable. Proper selection of stabilizing parameters have great importance and increase the optimum performance during unwanted disturbances. In this article, a new algorithm based on teaching and learning is used to increase the stability of the multi-machine power system and thus increase the performance of the power system. In fact, since the optimal tuning of the control parameters has a direct effect on the low frequency stability, it becomes an optimization problem and is accomplished with a new algorithm based on the optimized training and learning algorithm of the power system stabilizer. In addition, the results are compared with the colonial competition algorithm. A fourMachin test system is used to evaluate the effectiveness of the proposed method. By examining the results in different modes, it is shown that the proposed method using the learning-based optimization algorithm is much more efficient than the proposed method using the colonial competition-based algorithm.