文献

J-GLOBAL ID：202202239293417652   整理番号：22A0323798

電力系統安定化装置のための最小アーキテクチャニューロ適応予測制御方式【JST・京大機械翻訳】

A minimal architecture neuro adaptive predictive control scheme for power system stabilizer

著者 (2件)： Jamsheed Faisal (Department of Electrical Engineering, National Institute of Technology, Srinagar, India) ,  Iqbal Sheikh Javed (Department of Electrical Engineering, National Institute of Technology, Srinagar, India)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 137  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 現在の電力システムの絶えず増加するサイズと複雑性は,低周波振動減衰のための電力システムスタビライザーにより高い需要を与える。従来の電力系統スタビライザまたは制御構造の交互設計法は,何十年もにわたって提案され,非線形および複雑な構造のような障害,および高速調整の欠如のため,実用化のために広く採用されていない。本論文は,オンラインシステム同定と同時制御に基づく改良ニューロ適応制御方式を提案して,従来の電力システムスタビライザを置き換えた。最小計算負荷と高速学習能力を確実にする,少数の調整可能な接続重みを持つ,単純な線形ニューラル識別子を用いた。1サンプルヘッド出力予測による最適制御を用いて設計した制御装置のパラメータは,識別子パラメータに関連する。Lyapunov安定性定理を用いて導出された適応学習率は,学習アルゴリズムの収束の安定性と収束の最適速度を保証する。十分に設計された従来の電力システムスタビライザーと文献で報告されているいくつかの他の代替コントローラとの比較において,広範囲の運転条件にわたる改善された振動減衰性能を,2つの異なる電力システムに関して実施したシミュレーション研究を通して検証した。システムの局所線形モデルをオンラインで近似する単純な線形ニューラル識別子は,システムの変化する動力学を追跡するのに忠実に可能であることを実証した。したがって,ニューラルネットワークベースの適応制御アプリケーションにおいて,複雑な構造と非線形活性化関数を使用することは必ずしも適切ではなく,これらの制御装置の実装に困難をもたらす。また,提案した制御方式はモデルフリーであり,実装が容易で,局所測定のみを必要とする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  システム同定 ,  防振 ,  *電力系統 ,  ニューラルネットワーク ,  *制御方式 ,  LF【周波数】 ,  学習アルゴリズム
準シソーラス用語： 適応学習 ,  活性化関数 ,  計算負荷 ,  線形モデル ,  Lyapunov安定性 ,  オンライン ,  識別子 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電力系統振動 ,  電力系統安定化装置 ,  位相補償 ,  適応制御 ,  ニューラルネットワーク

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 電力系統安定化装置 ,  適応 ,  予測 ,  制御方式