fa کنترل بهینه نوسانات ولتاژ و فرکانس ریز شبکه متصل در شرایط اغتشاشات شدید به کمک الگوریتم ترکیبی PSO-ANN قدرت Power پژوهشي Research <span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">امروزه استفاده از منابع تجدید پذیر گسترش یافته است اما این منابع دارای ماهیتی ناپایدار و نوسانی هستند که باعث کاهش قابلیت اطمینان و کیفیت توان سیستم می شود. علاوه بر غیرقابل پیش بینی بودن منابع تجدید پذیر، بروز اغتشاشات شدید و ناشناخته نیز چالش برانگیز است. در این میان ذخیره سازهای انرژی نقش اساسی در ساختار ریزشبکه ها دارند. گسترش و استفاده بهینه از سیستم&shy;های ذخیره&shy;ساز انرژی برای برطرف کردن مشکلات ذکر شده، می&shy;تواند راه&shy;کار مناسبی باشد. در این مقاله یک استراتژی کنترلی جدید برای سیستم ذخیره&shy;ساز انرژی باتری ارائه شده است. هدف این سیستم کنترلی بازیابی ولتاژ و فرکانس ریزشبکه و در نتیجه افزایش کیفیت توان آن، در صورت بروز اغتشاشات مختلف است. برای بهینه سازی سیستم کنترلی از الگوریتم اجتماع ذرات و شبکه عصبی مصنوعی(</span></span><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">PSO-ANN</span></span></b><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">) استفاده شده است. ضرایب کنترل کننده ها به کمک یک شبکه عصبی مصنوعی که با مجموعه&shy;ای از داده های ورودی و خروجی آموزش دیده است، بدست آمده و در طی فرآیند بهینه سازی کنترل کننده&shy;ها&nbsp; تحت اختلالات مختلف با استفاده از </span></span><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">PSO</span></span></b><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> به صورت آنلاین تنظیم می شوند.</span><span style="line-height:107%"><span b="" nazanin="" style="font-family:"> </span></span></span> <span style="font-size:12pt"><span new="" roman="" style="font-family:" times="">In recent times, the use of renewable resources has expanded. However, due to their inherent nature, these resources are <strong>unstable</strong> (transient), leading to a decrease in power quality. Additionally, the unpredictability of renewable sources poses severe and unknown challenges. <strong>Energy storage systems</strong> play a fundamental role in the structure of microgrids. To address the mentioned problems, optimal utilization and expansion of energy storage systems can be a suitable option. In this article, a novel control strategy for battery energy storage systems is proposed. The goal of this control system is to <strong>recover voltage and frequency</strong> in the microgrid, thereby enhancing its power quality, especially in the presence of a wide spectrum of disturbances. To optimize the control system, the <strong>Particle Swarm Optimization (PSO)</strong> algorithm and an <strong>Artificial Neural Network (ANN)</strong> are employed. The controller coefficients are tuned using ANN training with a set of input-output data during the optimization process. Under various disturbances, the PSO algorithm dynamically adjusts the controller parameters online.</span></span><br> &nbsp; کیفیت توان, سیستم ذخیره ساز انرژی باتری, ریزشبکه ها, الگوریتم PSO, شبکه های عصبی مصنوعی Power quality, battery energy storage system, Microgrids, PSO, ANN 146 155 http://jiaeee.com/browse.php?a_code=A-10-2978-1&slc_lang=fa&sid=1 Mehran Moloudi سید مهران مولودی m.moloudi1995@gmail.com 100319475328460012860 100319475328460012860 No Faculty of engineering, University of Kurdistan, Sanandaj دانشکده مهندسی - دانشگاه کردستان- سنندج Hadi Tarimoradi هادی طاریمرادی h.tarimoradi@uok.ac.ir 100319475328460012859 100319475328460012859 Yes Faculty of engineering, University of Kurdistan, Sanandaj دانشکده مهندسی - دانشگاه کردستان- سنندج