دانلود ترجمه مقاله یک تثبیت کننده سیستم تنظیم خودکار بر اساس شبکه عصبی مصنوعی

1. مقدمه 2. سیستم بررسی شده 3. مدل تابع انتقال تثبیت کننده سیستم قدرت و ملاحظات طراحی 4. مطالعه موردی 5. نتیجه گیری

چکیده – این مقاله یک رویکرد سیستماتیک برای طراحی یک سیستم تثبیت کننده توان خودتنظیم (PSS) مبتنی بر شبکه عصبی مصنوعی (ANN) را ارائه داده است. یک ANN برای تنظیم خودکار پارامترهای PSS در زمان واقعی استفاده می شود. گره ها در لایه ورودی ANN، توان اکتیو ترمینال ژنراتور (P)، توان راکتیو (Q)، و ولتاژ (V_t)، را دریافت می کند در حالی گره ها در لایه خروجی، پارامترهای بهینه PSS مانند بهره تثبیت کننده (K_STAB)، ثابت زمان (T_1 و T_2) را ارائه می دهد. روشی جدید برای انتخاب تعداد نورونها در لایه پنهان پیشنهاد شده است. تحقیقات نشان می دهد که عملکرد دینامیکی سیستم با PSS خودتنظیم بر اساس ANN (ST-ANNPSS) در طیف گسترده ای از شرایط بارگیری و مقاومت خازنی معادل،X_e کاملا قدرتمند است.

This paper presents a systematic approach for designing a self-tuning power system stabilizer (PSS) based on artificial neural network (ANN). An ANN is used for self-tuning the parameters of PSS in real-time. The nodes in the input layer of the ANN receive generator terminal active power (P), reactive power (Q), and voltage (Vt), while the nodes in the output layer provide the optimum PSS parameters, e.g. stabilizing gain (KSTAB), time constants (T1 and T2). A new approach for the selection of number of neurons in the hidden layer has been proposed. Investigations reveal that the dynamic performance of the system with self-tuning PSS based on ANN (ST-ANNPSS) is quite robust over a wide range of loading conditions and equivalent reactance, Xe.