کنترل فرکانس شبکه های مستقل از شبکه توسط کنترل کننده عصبی آموزش داده شده با الگوریتم ازدحام ذرات(pso)

امروزه استفاده از انرژی های نو (DG) با توجه به ویژگی های خوب آن در سراسر دنیا روبه افزایش می باشد. تاثیر پذیری این تولیدات از شرایط جوی و آب و هوایی، موجب شده تا تولید توان این تولیدات متغیرباشد. یکی از مهمترین کاربردهای این تولیدات در شبکه های مستقل از شبکه ی سراسری می باشد. بنابراین برقراری تعادل توان بین تولید و مصرف در این نوع از شبکه ها در شرایط بروز تغییر در تولید و مصرف توان، مهم و ضروری است. در این مقاله، کنترل فرکانس یک شبکه ی مستقل از شبکه ی سراسری در حضور تولیدات پراکنده ی مختلف و ذخیره کننده ی انرژی مورد بررسی قرار گرفته است. برای نزدیک شدن به شرایط واقعی در شبیه سازی شبکه های مستقل، تغییرات باد و تابش خورشید به صورت واقعی و تغییرات بار مصرفی به صورت پله ای و متغیر در نظر گرفته شده است. برای ایجاد هماهنگی بین تولید و مصرف از استراتژی کنترلی دروپ ۲ (شیب افتی) و از کنترل کننده های مختلفی مانندکلاسیک (دروپ)،کلاسیک بهینه و کنترل کننده عصبی و همچنین برای بهبود کارایی کنترلکننده ها، از الگوریتم های بهینه سازی برای تنظیم پارامترهای کنترل کننده ها استفاده شده است. در این مقاله از الگوریتم بهینه سازی پرندگان به منظور بهینه سازی پارامتر های کنترل کننده کلاسیک و همچنین از این الگوریتم برای آموزش کنترل کننده عصبی استفاده شده است. در پایان نیز ارزیابی نتایج با نمایش میزان تغییرات نوسانات فرکانس درشبکه مورد بررسی قرار گرفته است.از این رو مشاهده می شود کارامدی شبکه عصبی در مقایسه با کنترل کننده دروپ و حتی دروپ بهبود یافته بسیار بالا می باشد.