Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: stabilizator neuronowy

Sortuj według:

Ogranicz wyniki do:

Tłumienie kołysań w systemie elektroenergetycznym za pomocą stabilizatorów opartych na sztucznej inteligencji

Bartoń Z.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

2003

z. 185

1-188

Monografia dotyczy grupy zagadnień związanych z tłumieniem kołysań w systemie elektroenergetycznym (SEE) w stanach zakłóceniowych. Aby zapewnić skuteczne tłumienie kołysań, w szerokim zakresie zmian parametrów SEE, konieczne było uzyskanie odpornego sterowania. Zaprojektowano i opracowano w tym celu adaptacyjne stabilizatory neuronowe i rozmyto-neuronowe. Wykazano, że stabilizatory takie potrafią, poprzez oddziaływanie na konwencjonalne układy regulacji, doprowadzać do likwidacji skutków małych i dużych zakłóceń, w tym zwarciowych. Niniejsza praca zawiera opis teoretyczny i omówienie konkretnych rozwiązań technicznych proponowanych i badanych przez autora.Pracę podzielono na trzy części. W pierwszej przedstawiono wykorzystywany, nieliniowy model SEE. Wykazano, że celowa jest modyfikacja modelu układu prędkości obrotowej turbiny (RT). Zaproponowano model RT uwzględniający przypadki szybkich zrzutów mocy. Przeanalizowano wpływ na tłumienie kołysań w stanach nieustalonych układów RT oraz układów regulacji wzbudzenia i napięcia (ARW/ARN). Wykazano, że udział RT, w procesie likwidacji stanu nieustalonego w SEE, może być znaczący przy stosowaniu odpowiedniego sterowania. W części drugiej omówiono zagadnienie stabilności SEE oraz wykorzystywaną do jej oceny metodę Lapunowa. Przedstawiono koncepcję aplikacji stabilizatorów wykorzystujących sztuczną inteligencję (PSSAI) do układów ARW i RT.Część trzecia dotyczy stabilizatorów. Przedstawiono opracowany konwencjonalny adaptacyjny stabilizator układu RT. Po zoptymalizowaniu jego parametrów, metodą planowanego eksperymentu, uzyskany model włączono do nieliniowych modeli SEE. Modelowanie, w wielomaszynowym SEE, zakłóceń zwarciowych pozwoliło uzyskać wyniki w postaci przebiegów przejściowych, które stanowiły podstawę do opracowania zbiorów uczących dla zaprojektowanych stabilizatorów PSSAI. Założono, zarówno w PSSAI neuronowych, jak i rozmyto-neuronowych, struktury posiadające zdolności adaptacyjne celem zwiększenia skuteczności ich działania. W efekcie uzyskano poprawę tłumienia kołysań, czyli zmniejszenie amplitud przebiegów przejściowych oraz skrócenie czasu tłumienia podczas zmieniających się w szerokim zakresie parametrach eksploatacyjnych i przy różnego rodzaju zakłóceniach.W pracy zaprezentowano opis poszczególnych etapów realizacji stabilizatorów neuronowych, model sieci neuronowej, jej architekturę oraz adaptacyjną warstwę wyjściową. Podano algorytm uczenia sieci oraz wykazano korzyści zastosowanego do uczenia algorytmu Levenberga - Marquardta.Sposób projektowania adaptacyjnych rozmyto-neuronowych regulatorów został omówiony na przykładzie zrealizowanych stabilizatorów jedno- oraz trzywejściowych. Przedstawiono, a następnie porównano procedurę wykorzystującą algorytm wstecznej propagacji błędów z hybrydową metodą uczenia.Przedstawione stabilizatory wykorzystują inteligentne systemy obliczeniowe. Wspólną, cenną dla projektanta ich cechą jest to, że nie wymagają dokładnego modelu matematycznego opisującego procesy przejściowe wymagające tłumienia. Są one w stanie pobierać wiedzę zawartą w sygnałach wejściowych. Mają zdolność uczenia się i adaptacji.Efektywne działanie stabilizatorów możliwe jest jednak tylko, gdy nauczy się je, jak mają reagować w czasie stanów nieustalonych. Ma to fundamentalne znaczenie z punktu widzenia skuteczności tłumienia oscylacji w SEE, Stabilizatory źle nauczone mają bardzo ograniczoną zdolność wnioskowania, gdyż podejmują decyzje na podstawie już posiadanej przez siebie wiedzy. Omówiono zagadnienia związane z procesem uczenia stabilizatorów neuronowych i rozmyto-neuronowych. Zaproponowano oryginalny sposób uczenia takich stabilizatorów.Dokonano weryfikacji opracowanych stabilizatorów. W części głównej pracy przedstawiono wyniki badań, opracowanych struktur, wykonanych na tym samym modelu siedmiomaszynowego SEE. Umożliwiło to, poprzez analizę porównawczą, ocenę skuteczności poszczególnych stabilizatorów.W załączniku zamieszczono przykłady zastosowania stabilizatorów rozmyto-neuronowych do innych, bardziej złożonych modeli generatorów IV i VI rzędu, pracujących w wielomaszynowym SEE. Zestawione wyniki potwierdzają ich zalety i skuteczność.W pracy wykazano, że proponowane stabilizatory mogą przyczynić się do rozwiązania problemów, z którymi nie radzą sobie konwencjonalne układy RT oraz ARW. W szczególności opracowane stabilizatory rozmyto-neuronowe łączą w sobie wszystkie pozytywne cechy stabilizatorów opartych na sztucznych sieciach neuronowych oraz stabilizatorów wykorzystujących logikę rozmytą. Głównymi pokazanymi ich zaletami są: odporne sterowanie, adaptacyjne właściwości oraz elastyczne i szybkie działanie. Dzięki temu są w stanie efektywnie i szybko tłumić występujące w SEE kołysania, przy zmianach parametrów i warunków eksploatacyjnych w szerokich przedziałach, co w efekcie umożliwia zwiększenie obszarów stabilności przejściowej i dynamicznej całego SEE.

The monograph deals with the groups problems of damping of the low frequency oscillations using an artificial intelligence in multimachine power system (PS). It is essential for the effective damping of oscillations that obtain a robust control. The neuro and neuro-fuzzy stabilizers (PSSAI) have been designed and applied with a view to reaching this an aim, It was demonstrated that PSSAI by means of react on the conventional control systems have been able to eliminate the small and big disturbances, including the faults. The theoretical and detailed descriptions proposed and investigated the author's stabilizers in this monograph were presented.After an introductory chapter introducing to description of the problem the first part of this monograph described of the nonlinear model of the PS. It was shown that the modification of the governing system model (GOV) is necessary. Model of the GOV for a sudden power droop is proposed. The analysis the influence of the GOV and excitation system (EX/AVR) in damping of the electromechanical oscillations has been done.The second part deals with the transient security assessment by Lyapunov method. An approach joining the stabilizers PSSAI at the GOV and the EX/ARV conventional is proposed. The third part deals with the stabilizers designed by author. The conventional adaptive stabilizer GOV is presented. The transients courses after simulations the faults in PS using ones were used during preparing of the PSSAI training sets. Both for the neural and neuro-fuzzy stabilizers the adaptive structures were assumed. Test results for various conditions show that PSSAI provides good damping over a wide operating range under small scale and large scale disturbances. These are robust and effective in suppressing system oscillations, the overshoot/undershoot in power system under fault are less and thereby system transient stability is enhancing.An approach to design the neural stabilizers, model of the stabilizer net, architecture of the net and output adaptive layer has been described. The learning algorithm has been presented. To increase the learning speed, the Levenberg-Marquardt algorithm was applied.The one- and three-input stabilizers-based the method of the adaptive neuro-fuzzy stabilizers design was introduced. The back-propagation algorithm was presented and next compared with hybrid learning algorithm.The stabilizers presented exploit the computational intelligence systems. It is very important that they needn't the exactly mathematical model of the transient processes which must be damping. They take the knowledge from the input signals. They have the advantages such ability or self-learning.