بهبود کنترل فرکانس در سیستم‌های قدرت با استفاده از ترکیب بازخورد حالت و بهینه‌سازی ازدحام ذرات مبتنی بر سیستم استنتاج فازی

این مقاله به بررسی مدیریت بارهای فرکانسی در سیستم‌های قدرت پرداخته و یک روش جدید برای طراحی کنترل‌کننده بار فرکانس ارائه می‌دهد. در این روش، از ترکیب بازخورد حالت و الگوریتم بهینه‌سازی ازدحام ذرات (pso) بهره‌گیری شده است. سیستم استنتاج فازی نیز برای ادغام توابع هزینه مختلف و بهبود دقت بهینه‌سازی به کار رفته است. شبیه‌سازی‌های انجام‌شده بر روی یک سیستم قدرت دو ناحیه‌ای با محدودیت‌های گاورنر غیرخطی نشان می‌دهد که این روش می‌تواند انحرافات فرکانسی را به طور موثر کاهش داده و پایداری سیستم را افزایش دهد. نتایج حاکی از بهبود چشمگیر عملکرد دینامیکی سیستم قدرت می‌باشد. این تحقیق از یک روش ترکیبی بازخورد حالت و الگوریتم pso استفاده کرده است. ابتدا، الگوریتم pso مقادیر تابع هدف چندگانه را برای هر راه‌حل اختصاص می‌دهد. سپس، این مقادیر به سیستم استنتاج فازی وارد شده و مقدار شایستگی نهایی برای هر راه‌حل محاسبه می‌شود. این رویکرد بهینه‌سازی چند هدفه را به یک هدف تک‌هدفه تبدیل می‌کند و از توابع عضویت فازی و قوانین استنتاج برای این کار بهره می‌برد. شبیه‌سازی‌های انجام‌شده نشان می‌دهد که روش پیشنهادی می‌تواند به طور موثر انحرافات فرکانسی را کاهش داده و پایداری سیستم قدرت را بهبود بخشد. نتایج شبیه‌سازی برای سیستم دو ناحیه‌ای نشان می‌دهد که کنترل‌کننده‌های توسعه‌یافته توانسته‌اند عملکرد بهتری نسبت به کنترل‌کننده‌های pi مرجع داشته باشند و انعطاف‌پذیری بالایی در برابر تغییرات پارامترهای سیستم از خود نشان دهند.

enhancing stability of microgrid with a novel multi-objective fuzzy controller for integration of high penetration renewable energies

abstract: frequency load management is a critical challenge in the field of engineering and power system operation. this study introduces a new approach to address this issue using the particle swarm optimization (pso) algorithm. by employing a multi-objective cost function, this method optimizes the benefits of state feedback matrix. additionally, the proposed cost function strategically places the closed-loop system poles within a defined range to accelerate frequency stability and minimize power transfer differentials between regions. to minimize the specified cost function, an optimal teaching-learning-based optimization strategy is adopted. furthermore, the integration of fuzzy logic techniques for combining essential objective functions is recommended. the evaluation of the proposed method involves applying the controller to a two-area power system while considering governor saturation constraints and comparing the results with those of a traditional pi controller. simulation results emphasize the effectiveness of the proposed approach, demonstrating improvements in system features such as settling time and peak response time.