چکیده
این مقاله جهت دستیابی به پارامترهای بهینۀ پایدار ساز سیستم قدرت (PSS) برای یک نقطه کاری مشخص با یک منبع انرژی تجدید پذیر، بر استفاده از الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) تمرکز می کند تا میرایی سیستم افزایش یابد و حاشیه پایداری کافی تضمین شود. تنظیم پارامترها با استفاده از توابع چند منظوره مبتنی بر مقدار ویژه، فرمول بندی شده است. در سال های اخیر، تغییر پذیری و نوسانات توان بادی تزریق شده به شبکه منجر به چالش های جدیدی در پایداری سیگنال کوچک (SSS) شده است. این اختلالات تغییر سرعت باد و تقاضای بار به طور معمول رخ می دهند و منجر به تغییرات شرایط عملیاتی می شوند. با این حال، از آنجایی که جهت دستیابی به مدل تابع تبدیل خطی شده، PSS متعارف برای یک نقطه کاری ثابت، در نظر گرفته میشود، هنگامی که محدوده کاری خیلی گسترده باشد، نمی تواند نتایج خوبی را حاصل کند. برای این منظور، سیستم استنتاج فازی-عصبی تطبیقی جهت برآورد پارامترهای پایدار ساز در زمان حقیقی بعد از یک فاز یادگیری پیشنهاد شد. سیستم 9 باسه قدرت شورای هماهنگی سیستم غربی (WSCC) و نتایج شبیه سازی به دست آمده با استفاده از شبیه سازی متلب ارزیابی شدند. اعتبار روش پیشنهادی از طریق شبیه سازی تکاملی پارامترهای PSS برای منحنیهای پیش بینی بار روزانه و منحنی های پیش بینی سرعت باد ماهانه بررسی شد.
1-مقدمه
در سراسر جهان، سیستم های قدرت الکتریکی به طور پیوسته از طریق اتصالات داخلی و منابع انرژی تجدید پذیر پیشنهادی و توسعه یافته جدید در حال تغییر و گسترش هستند. افزایش مداوم مزارع بادی در شبکه منجر به بسیاری از مسائل قابل بحث شده است [1، 2]. در حقیقت، لازم به ذکر است که تولید توان بادی به علت رفتار نوسانی سرعت باد، ماهیت تصادفی دارد که منجر به عدم قطعیت ها، مشکلات و چالش هایی در شبکه قدرت الکتریکی می شود [3]…