HPA algoritması ile çok makinalı güç sistemi kararlı kılıcısı tasarımı

Yıl 2017, Cilt: 32 Sayı: 4, 1271 - 1286, 08.12.2017

Serdar Ekinci Baran Hekimoğlu

https://doi.org/10.17341/gazimmfd.369716

Cited By: 7

Öz

Bu
makale, parçacık sürüsü optimizasyonu (PSO) ve yapay arı kolonisine (ABC)
dayalı, çok makinalı güç sisteminde güç sistemi kararlı kılıcısının (PSS)
optimal tasarımı için iyimser sonuçlar bulmak için güçlü yetilere sahip HPA
tekniği adında yeni bir hibrit yaklaşımı tanımlamaktadır. PSS parametrelerinin
en uygun ayarlarının elde edilmesi için PSS parametrelerini seçme problemi,
özdeğer tabanlı bir amaç fonksiyonu ile basit bir optimizasyon problemine
çevrildi ve HPA tekniği kullanılarak çözüldü. Önerilen HPA tabanlı PSS
tasarımının etkinliği özdeğer analizi, zaman domeni simülasyonları ve bazı
performans indeksleri aracılığıyla farklı arızalar altındaki 3-makinalı
9-baralı güç sistemi üzerinde doğrulandı. Bu çalışmaların sonuçları, HPA
algoritmasının PSS parametrelerinin ayarlanması için alternatif ve daha etkin
bir iyileştirici olduğunu ve PSO ile ABC’ye oranla güç sisteminin dinamik
kararlılığını büyük oranda artırdığını göstermiştir. Ayrıca hesaplama zamanı,
yaklaşım hızı ve çözüm kalitesi açısından HPA algoritmasının PSO ve ABC’ye göre
potansiyeli ve üstünlüğü kanıtlanmıştır.

Anahtar Kelimeler

Güç sistemi kararlı kılıcısı, çok makinalı güç sistemi, yapay arı kolonisi algoritması, parçacık sürüsü optimizasyonu, hibridizasyon

Kaynakça

• 1. Abido M.A., Abdel-Magid Y.L., Eigenvalue assignments in multimachine power systems using tabu search algorithm, Comput. Electr. Eng., 28 (6), 527-545, 2002.
• 2. Keumarsi V., Simab M., Shahgholian G., An integrated approach for optimal placement and tuning of power system stabilizer in multi-machine systems, Int. J. Electr. Power Energy Syst., 63, 132-139, 2014.
• 3. Ekinci S., Application and comparative performance analysis of PSO and ABC algorithms for optimal design of multi-machine power system stabilizers, Gazi Journal of Science, 29 (2), 323-334, 2016.
• 4. Khodabakhshian A., Hemmati R., Multi-machine power system stabilizer design by using cultural algorithms, Int. J. Electr. Power Energy Syst., 44 (1), 571-580, 2013.
• 5. Alkhatib H., Duveau J., Dynamic genetic algorithms for robust design of multimachine power system stabilizers, Int. J. Electr. Power Energy Syst., 45 (1), 242-251, 2013.
• 6. Ekinci S., Demiroren, A., Modeling, simulation and optimal design of power system stabilizers using ABC algorithm, Turk J Elec Eng & Comp Sci, 24, 1532-1546, 2016.
• 7. Abido M.A., Parameter optimization of multimachine power system stabilizers using genetic local search, Int. J. Electr. Power Energy Syst., 23 (8), 785-794, 2001.
• 8. Abdel-Magid Y.L., Abido M.A., Al-Baiyat S., Mantawy A.H., Simultaneous stabilization of multimachine power systems via genetic algorithms, IEEE Trans. Power Syst., 14 (4), 1428-1439, 1999.
• 9. Hassan L.H., Moghavvemi M., Almurib H.A.F., Muttaqi K.M., Ganapathy V.G., Optimization of power system stabilizers using participation factor and genetic algorithm, Int. J. Electr. Power Energy Syst., 55, 668-679, 2014.
• 10. Sundareswaran K., Razia Begum S., Genetic tuning of a power system stabilizer, Euro. Trans. Electr. Power, 14, 151–160, 2004.
• 11. Sun Z., Wang N., Srinivasan D., Bi Y., Optimal tunning of type-2 fuzzy logic power system stabilizer based on differential evolution algorithm, Int. J. Electr. Power Energy Syst., 62, 19-28, 2014.
• 12. Wang S.K, Coordinated parameter design of power system stabilizers and static synchronous compensator using gradual hybrid differential evaluation, Int. J. Electr. Power Energy Syst., 81, 165-174, 2016.
• 13. Ekinci S., Demiroren A., PSO based PSS Design for Transient Stability Enhancement, IU-Journal of Electrical & Electronics Engineering, 15 (1), 1855-1862, 2015.
• 14. Labdelaoui H., Boudjema F., Boukhetala D., A multiobjective tuning approach of power system stabilizers using particle swarm optimization, Turk J Elec Eng & Comp Sci, 24, 3898-3909, 2016.
• 15. Sambariya D.K., Prasad R., Robust tuning of power system stabilizer for small signal stability enhancement using metaheuristic bat algorithm, Int. J. Electr. Power Energy Syst., 61, 229-238, 2014.
• 16. Peres W., Oliveira E.J.D, Filho J.A.P., Silva Junior I.C.D., Coordinated tuning of power system stabilizers using bio-inspired algorithms, Int. J. Electr. Power Energy Syst., 64, 419-428, 2015.
• 17. Eke İ., Taplamacıoğlu M.C., Kocaarslan İ., Design of robust power system stabilizer based on Artificial Bee Colony Algorithm, Journal of the Faculty of Engineering and Architecture of Gazi University, 26 (3), 683-690, 2011.
• 18. Eslami M., Shareef H., Khajehzadeh M., Optimal design of damping controllers using a new hybrid artificial bee colony algorithm, , Int. J. Electr. Power Energy Syst., 52, 42-54, 2013.
• 19. Elazim S.M.A., Ali E.S., Optimal Power System Stabilizers design via Cuckoo Search algorithm, Int. J. Electr. Power Energy Syst., 75, 99-107, 2016.
• 20. Sheeba R., Jayaraju M., Sundareswaran K., Performance enhancement of power system stabilizer through colony of foraging ants, Electr. Power Compon. Syst., 42 (10), 1016-1028, 2014.
• 21. Ekinci S., Çok makinalı güç sisteminde açısal kararlılık analizi ve kontrolör parametre Optimizasyonu, Doktora Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2015.
• 22. Kıran M.S., Gündüz M., A recombination-based hybridization of particle swarm optimization and artificial bee colony algorithm for continuous optimization problems, Appl. Soft Comput., 13 (4), 2188-2203, 2013.
• 23. Sauer P.W., Pai M.A., Power system Dynamics and Stability, Prentice Hall, 1998.
• 24. Haltaş A., Alkan A., Karabulut M., Performance analysis of heuristic search algorithms in text classification, Journal of the Faculty of Engineering and Architecture of Gazi University, 30 (3), 417-427, 2015.
• 25. Kennedy J., Eberhart R.C., Swarm Intelligence, San Francisco, CA, USA: Morgan Kaufmann Publishers, 2001.
• 26. Fereidouni A.R., Vahidi B., Hoseini Mehr T., Tahmasbi M., Improvement of low frequency oscillation damping by allocation and design of power system stabilizers in the multi-machine power system, Int. J. Electr. Power Energy Syst., 52, 207-220, 2013.
• 27. Öztürk C., Hançer E., Karaboğa D., Automatic clustering with global best artificial bee colony algorithm, Journal of the Faculty of Engineering and Architecture of Gazi University, 29 (4), 677-687, 2014.
• 28. Karaboga D., Basturk B., On the performance of artificial bee colony (ABC) algorithm, Appl. Soft Comput., 8 (1), 687-697 2008.
• 29. Karaboga D., Özturk C., A novel clustering approach: Artificial Bee Colony (ABC) algorithm, Appl. Soft Comput., 11 (1), 652-657, 2011.
• 30. Akay B., Karaboga D., A modified Artificial Bee Colony algorithm for real-parameter optimization, Information Sciences, 192, 120-142, 2012.
• 31. Li G., Niu P., Xiao X., Development and investigation of efficient artificial bee colony algorithm for numerical function optimization, Appl. Soft Comput., 12 (1), 320-332, 2012.
• 32. Adaryani M.R., Karami A., Artificial bee colony algorithm for solving multi-objective optimal power flow problem, Int. J. Electr. Power Energy Syst., 53, 219-230, 2013.
• 33. Kundur P., Power System Stability and Control. New York, USA: McGraw-Hill, 1994.
• 34. Anderson P.M., Fouad A.A., Power System Control and Stability, Ames, IA: Iowa State Univ. Press, 1977.
• 35. Ekinci S., Zeynelgil H.L., Demiroren A., A didactic procedure for transient stability simulation of a multi-machine power system utilizing SIMULINK, Int. J. Electr. Eng. Educ., 53 (1), 54-71, 2016.