TY - JOUR JF - jiaeee JO - Journal of Iranian Association of Electrical and Electronics Engineers VL - 14 IS - 3 PY - 2017 Y1 - 2017/12/01 TI - Design of PSS3B stabilizer using KH Algorithm and Q-Learning for damping Low-frequency Oscillations in SMIB TT - طراحی پایدارساز PSS3B بر اساس الگوریتم KH و Q-learning برای میراسازی نوسانات فرکانس پایین سیستم قدرت تک‌ماشینه N2 - 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. SP - 69 EP - 77 AU - Younesi, A. AU - Shayeghi, H. AU - Akbari, A. AU - Hashemi, Y. AD - KW - Three band power system stabilizer KW - Reinforcement learning KW - Q-learning UR - http://jiaeee.com/article-1-450-fa.html ER -