Chulalongkorn University Theses and Dissertations (Chula ETD)

การปรับค่าพารามิเตอร์ของตัวสร้างเสถียรภาพ ระบบไฟฟ้ากำลังแบบธรรมดาด้วยเครือข่ายประสาทเทียม

Other Title (Parallel Title in Other Language of ETD)

Parameter tuning of the conventional power system stabilizer by artificial neural netwrok

Year (A.D.)

2002

Document Type

Thesis

First Advisor

สุขุมวิทย์ ภูมิวุฒิสาร

Second Advisor

ทรงศักดิ์ ชุษณพิพัฒน์

Faculty/College

Graduate School (บัณฑิตวิทยาลัย)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมไฟฟ้า

DOI

10.58837/CHULA.THE.2002.1918

Abstract

วิทยานิพนธ์ฉบับนี้นำเสนอเกี่ยวกับ การปรับค่าพารามิเตอร์ของตัวสร้างเสถียรภาพระบบไฟฟ้ากำลังแบบธรรมดาด้วยเครือข่ายประสาทเทียม โดยเครือข่ายประสาทเทียมที่ใช้คือเครือข่ายฟังก์ชั่นมูลฐานรัศมี ซึ่งเลือกค่าพารามิเตอร์ต่างๆ ของฟังก์ชั่นมูลฐานแนวรัศมีภายในเครือข่ายประสาทเทียมคือ จุดศูนย์กลางและตัวประกอบการกระจาย ด้วยวิธีการกำลังสองน้อยสุดแบบตั้งฉากที่มีการปรับค่าได้ ซึ่งเป็นวิธีที่ปรับปรุงมาจากวิธีการกำลังสองน้อยสุดแบบตั้งฉาก เพื่อให้เครือข่ายประสาทเทียมมีขนาดเล็กลงและมีความสามารถในการจำลองคุณลักษณะของฟังก์ชั่นถ่ายโอนของระบบควบคุมการกระตุ้นของเครื่องกำเนิดไฟฟ้าเพื่อใช้ในการปรับค่าพารามิเตอร์ของตัวสร้างเสถียรภาพระบบไฟฟ้ากำลังแบบธรรมดาที่สถานะการทำงานต่างๆ ของเครื่องกำเนิดไฟฟ้าหรือกล่าวอีกอย่างหนึ่งคือเครือข่ายประสาทเทียมถูกนำใช้ชดเชยความผิดพลาดของแบบจำลองเชิงเส้นของระบบไฟฟ้ากำลังเมื่อมีการเปลี่ยนสถานะการทำงานหรือเกิดเหตุการณ์จำลองต่างๆ อันทำให้ประสิทธิภาพของตัวสร้างเสถียรภาพระบบไฟฟ้ากำลังแบบธรรมดาที่มีค่าพารามิเตอร์คงตัวลดลง ขณะที่ตัวสร้างเสถียรภาพระบบไฟฟ้ากำลังแบบธรรมดาที่มีการปรับค่าด้วยเครือข่ายประสาทเทียมสามารถปรับค่าพารามิเตอร์เพื่อทำให้สามารถหน่วงการแกว่งของระบบได้ดีกว่าในสถานะการทำงานหรือเหตุการณ์จำลองดังกล่าว

Other Abstract (Other language abstract of ETD)

This thesis presents on the parameter tuning of the Conventional Power System Stabilizer (CPSS) by Artificial Neural Network (ANN). The ANN in the thesis is Radial Basis Function Network (RBFN), whose parameters are chosen by Adaptive Orthogonal Least Squares (Adaptive OLS) method. The Adaptive OLS method is developed from the Orthogonal Least Squares (OLS) method to reduce the neural network size and to identify nonlinear relationship between the parameters for tuning CPSS and loading conditions of generator. The ANN is applied to compensate the error of linear model of power system where a fixed-parameter CPSS is analyzed. When the system condition is changed, this makes the fixed-parameter CPSS has less efficient than a varied-parameter CPSS by ANN.

Link to Full Text

Share

COinS