چکیده مقاله
این پژوهش به طراحی یک چارچوب کنترل پیشبین مدل MPC برای تنظیم جریان و ولتاژ در مبدل بازوی تناوبی AAC می پردازد نوآوری اصلی کار بهینه سازی ضرایب وزنی توابع هزینه MPC با بهره گیری از شبکه عصبی مصنوعی ANN است برای این منظور، یک شبکه عصبی با دو ورودی و دو خروجی توسعه داده شده است؛ ورودی ها شامل ولتاژ لینک DC و خطای آن نسبت به مقدار مرجع بوده و خروجی ها به ترتیب ضرایب وزنی توابع هزینه جریان و ولتاژ هستند که در فرآیند تصمیم گیری MPC استفاده می شوند به این ترتیب کنترلر قادر خواهد بود متناسب با شرایط دینامیکی سیستم از جمله وقوع خطای ac ضرایب بهینه را انتخاب کرده و دستورات کنترلی مناسب برای سوئیچ های AAC تولید کند از آنجا که اهداف متعدد در MPC تنها در صورت تنظیم صحیح ضرایب وزنی قابل تحقق هستند، عدم تنظیم مناسب می تواند به ناپایداری کنترلر و در نهایت سیستم منجر شود، به ویژه در شرایط اغتشاش برای ارزیابی کارایی روش پیشنهادی، شبیه سازی های مختلفی روی شبکه HVDC تحت سناریوی خطای ac انجام شده است در ادامه، عملکرد کنترلر پیشنهادی با MPC متعارف بدون بهینه سازی مبتنی بر ANN مقایسه می گردد نتایج بیانگر آن است که روش ترکیبی ANN MPC در شرایط خطا از دقت بالاتری در دنبال کردن مقادیر مرجع برخوردار بوده و نسبت به روش غیر بهینه عملکرد مطلوب تری ارائه می دهد
کلیدواژهها
نویسندگان
احسان اکبری
دانشکده مهندسی برق و کامپیوتر دانشگاه علوم و فنون مازندران بابل ایران
شیوه ارجاع
�کبری، احسان،1404،کنترل بهینه مبتنی بر پیشبین مدل (MPC) و شبکه عصبی مصنوعی (ANN) برای مبدل بازوی تناوبی (AAC) مورد استفاده در سیستم HVDC،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین
ارائهشده در
مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین