Projeto de controladores suplementares de amortecimento utilizando redes neurais artificiais

Abstract

Neste trabalho é proposta a utilização da rede neural artificial (RNA) ARTMAP Nebulosa (fuzzy) no ajuste de parâmetros de controladores suplementares para o amortecimento de oscilações eletromecânicas de sistemas elétricos de potência, visando tornar este ajuste mais eficiente. Análises comparativas da atuação das redes neurais artificiais ARTMAP Nebulosa e Perceptron Multicamadas (PM) são realizadas para dois sistemas multimáquinas considerando o ajuste individual e coordenado dos controladores. Tais redes são utilizadas para o projeto dos controladores ESP (Estabilizadores de Sistemas de Potência) e POD (Power Oscillation Damping) acoplado ao dispositivo FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). Será evidenciado que a RNA ARTMAP Nebulosa pode ser utilizada na melhora da estabilidade dinâmica, fornecendo resultados muito semelhantes aos da RNA Perceptron Multicamadas. Entretanto, é importante enfatizar que a vantagem da utilização da RNA ARTMAP Nebulosa está no fato da garantia da estabilidade e plasticidade associadas a um rápido treinamento, o que não ocorre com a RNA Perceptron Multicamadas

This work proposes the use of artificial neural network (ANN) Fuzzy ARTMAP to adjust the parameters of additional controllers to damp electromechanical oscillations in electric power systems in order to make this adjustment more efficient due to variations in load. Comparative analysis of the performance of artificial neural networks Fuzzy ARTMAP and Multilayer Perceptron are performed for two multimachine systems, considering individual and coordinated controller adjustment. Those networks are used for the design of Power System Stabilizers (PSS) and Power Oscillation Damping (POD) that is coupled to the FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). It will be shown that the ANN Fuzzy ARTMAP can be used in the improvement of dynamic stability, providing very similar results to the ANN Multilayer Perceptron. However, it is important to emphasize that the advantage of using ANN Fuzzy ARTMAP is the guarantee of stability and plasticity associated with a fast training process which does not occur for the ANN Multilayer Perceptron