طراحي پايدارساز PSS3B بر اساس الگوريتم KH و Q-learning براي ميراسازي نوسانات فركانس پايين سيستم قدرت تك‌ماشينه

Design of PSS3B stabilizer using KH Algorithm and Q-Learning for damping Low-frequency Oscillations in SMIB

هدف از اين مقاله استفاده از روش يادگيري ­تقويتي به منظور توليد سيگنال مكمل براي بهبود عملكرد پايدارساز سيستم قدرت است. يادگيري تقويتي يكي از شاخه ­هاي مهم يادگيري ­ماشين در مبحث هوش مصنوعي بوده و روش كلي حل مسائل فرايند تصميم ­گيري ماركو (MDP) است. در اين مقاله يك روش كنترلي مبتني بر يادگيري تقويتي به نامQ-learning ارايه و به منظور بهبود عملكرد پايدار ساز سيستم قدرت سه باند (PSS3B) در يك سيستم قدرت تك­ماشينه مورد استفاده قرار گرفته است. بدين منظور ابتدا پارامترهاي پايدار ساز سيستم قدرت سه باند تحت نقاط مختلف بهره برداري با بهينه ­سازي تابع هدف مبتني بر مقادير ويژه توسط الگوريتم بهينه سازي جديد KH تنظيم شده و سپس توسط الگوريتم يادگيري تقويتي ارايه شده بر اساس روش Q-learning به صورت بلادرنگ كارايي آن بهبود مي­يابد. از ويژگي اساسي پايدارساز پيشنهادي مبتني بر يادگيري تقويتي سادگي و عدم وابستگي آن به مدل سيستم و تغييرات نقاط كار بهره برداري است. براي ارزيابي كارايي پايدار ساز سيستم قدرت سه باند مبتني بر يادگيري­ تقويتي پيشنهادي نتايج آن با پايدار ساز سيستم قدرت معمولي و پايدار ساز سيستم قدرت سه باند طراحي شده با الگوريتم KH تحت نقاط كار مختلف با هم مقايسه مي شود. نتايج شبيه ­سازي بر اساس شاخص­هاي عملكردي نشان مي­دهد كه پايدار ساز سيستم قدرت پيشنهاد شده در اين مقاله عملكرد بهتري نسبت به دو روش ديگر از لحاظ كاهش زمان نشست و ميرا نمودن نوسانات فركانس پايين دارد.

The main purpose of this paper is to develop a supplementary signal using reinforcement learning (RL) to improve the performance of power system stabilizer (PSS). RL is one of the most important issues in the field of artificial intelligence and is the popular method for solving Markov decision procedure (MDP). In this paper, a control method is developed based on Q-learning and used to improve the performance of a three band PSS (PSS3B) in a single machine infinite bus power system (SMIB). For this purpose, first the parameters of PSS3B are optimized using krill heard (KH) algorithm based on system eigenvalues. Then, using the proposed Q-learning method its performance will improve. The fundamental properties of the proposed Q-learning based control method are its simplicity and independency to system model and operational conditions. In order to evaluate the proposed control method, its dynamic response is compared to conventional PSS (CPSS) and PSS3B. According the simulation results, it is evident that, the developed adaptive controller is superb compared to the other methods in the view of settling time and damping low-frequency oscillations.