چکیده مقاله
در این مقاله، به مدل سازی و طراحی کنترل کننده PID برای مدیریت ولتاژ و فرکانس در سیستم های ریزشبکه های هیبریدی پرداخته شده است برای بهبود عملکرد این سیستم ها، الگوریتم یادگیری Q به عنوان یک روش تطبیقی به کار گرفته شده است هدف اصلی این پژوهش، افزایش پایداری و کارایی ریزشبکه ها است ابتدا، مدل ریاضی سیستم های ریزشبکه هیبریدی توسعه یافته و سپس کنترل کننده PID جهت کنترل ولتاژ و فرکانس طراحی شده است به منظور بهینه سازی عملکرد سیستم در مواجهه با تغییرات و شرایط متغیر، الگوریتم یادگیری Q به این کنترل کننده اضافه شده است نتایج نشان میدهد که استفاده از الگوریتم یادگیری Q میتواند عملکرد کنترل فرکانس و ولتاژ را بهبود بخشد و با تغییرات سیستم سازگار شده و مقادیر بهینه ضرایب PID را تعیین کند کنترل کننده Q learning PI به عنوان یک روش کارآمدتر نسبت به کنترل کننده های PI معمولی، فازی PI و PSO معرفی شده است این کنترل کننده توانایی دارد که فرکانس و ولتاژ را سریع تر و پایدارتر به حالت مرجع بازگرداند به طور خاص، کنترل کننده Q learning PI عملکرد بهتری در کنترل فرکانس نشان داده است، در حالی که کنترل کننده PI معمولی با سرعت کمتر و دقت پایین تری به وضعیت مطلوب بازمی گردد و کنترل کننده فازی PI نیز نتوانسته عملکرد مطلوبی از خود نشان دهد در نتیجه، کنترل کننده Q learning PI به عنوان یک روش موثر و برتر برای کنترل فرکانس در ریزشبکه ها شناخته شده است
کلیدواژهها
نویسندگان
شیوه ارجاع
�یدیونسی، مارال و حسنی فرد، گوران،1403،مدل سازی و طراحی کنترلر PID برای کنترل ولتاژ ریزشبکه های هیبریدی با استفاد از الگوریتم یادگیری Q،سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات29 شهریور 1403 · مشهد