دوره 14، شماره 3 - ( مجله مهندسی برق و الکترونیک ایران - جلد ۱۴ شماره 3 1396 )                   جلد 14 شماره 3 صفحات 69-77 | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشجوی دکتری گروه مهندسی برق، دانشکده فنی و مهندسی- دانشگاه محقق اردبیلی- اردبیل- ایران
چکیده:   (569 مشاهده)
هدف از این مقاله استفاده از روش یادگیری ­تقویتی به منظور تولید سیگنال مکمل برای بهبود عملکرد پایدارساز سیستم قدرت است. یادگیری تقویتی یکی از شاخه­های مهم یادگیری ­ماشین در مبحث هوش مصنوعی بوده و روش کلی حل مسائل فرایند تصمیم­گیری مارکو (MDP) است. در این مقاله یک روش کنترلی مبتنی بر یادگیری تقویتی به نامQ-learning  ارایه و به منظور بهبود عملکرد پایدار ساز سیستم قدرت سه باند (PSS3B) در یک سیستم قدرت تک­ماشینه مورد استفاده قرار گرفته است. بدین منظور ابتدا پارامترهای پایدار ساز سیستم قدرت سه باند تحت نقاط مختلف بهره برداری با بهینه­سازی تابع هدف مبتنی بر مقادیر ویژه توسط الگوریتم بهینه سازی جدید KH تنظیم شده و سپس توسط الگوریتم یادگیری تقویتی ارایه شده بر اساس روش Q-learning   به صورت بلادرنگ کارایی آن بهبود می­یابد. از ویژگی اساسی پایدارساز پیشنهادی مبتنی بر یادگیری تقویتی سادگی و عدم وابستگی آن به مدل سیستم و تغییرات نقاط کار بهره برداری است. برای ارزیابی کارایی پایدار ساز سیستم قدرت سه باند مبتنی بر یادگیری­ تقویتی پیشنهادی نتایج آن با پایدار ساز سیستم قدرت معمولی و پایدار ساز سیستم قدرت سه باند طراحی شده با الگوریتم KH تحت نقاط کار مختلف با هم مقایسه می شود. نتایج شبیه­سازی بر اساس شاخص­های عملکردی نشان می­دهد که پایدار ساز سیستم قدرت پیشنهاد شده در این مقاله عملکرد بهتری نسبت به دو روش دیگر از لحاظ کاهش زمان نشست و میرا نمودن نوسانات فرکانس پایین دارد.
متن کامل [PDF 2836 kb]   (229 دریافت)    
نوع مقاله: پژوهشي | موضوع مقاله: قدرت
دریافت: ۱۳۹۶/۹/۶ | پذیرش: ۱۳۹۶/۹/۶ | انتشار: ۱۳۹۶/۹/۶