Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

19.07.2017 | Original Article | Ausgabe 4/2019

Neural Computing and Applications 4/2019

Levenberg–Marquardt neural network to estimate UPFC-coordinated PSS parameters to enhance power system stability

Zeitschrift:
Neural Computing and Applications > Ausgabe 4/2019
Autoren:
Md Juel Rana, Mohammad Shoaib Shahriar, Md Shafiullah

Abstract

Due to the presence of weak tie line interconnections, small signal oscillations are created in power system networks. Damping out these oscillations is one of the most crucial issues to be settled down for the stability of power system industry. The employment of flexible AC transmission systems (FACTS) may suppress these oscillations effectively in addition to the enhancement of power transfer capability. Unified power flow controller (UPFC) is one of those FACTS devices which are installed in the powers grids, which ensures proper functionality of high-voltage transmission lines. To select the proper parameters of power system stabilizer (PSS) when applied with UPFC is a challenge in this field which can be represented as a multi-objective optimization problem. This work aims to optimize the PSS parameters of power network incorporating UPFC using the artificial neural network (ANN) in real time to damp out the small signal oscillations with a view to enhancing the stability of the power system where the Levenberg–Marquardt (LM) algorithm is used as the training algorithm. System eigenvalues obtained from ANN-tuned PSS coordinated with UPFC and the fixed gain conventional PSS with UPFC are compared to investigate the efficiency of the proposed technique for different loading conditions. Additionally, the comparison has been made in time domain simulation results which prove the superiority of the proposed technique over conventional technique. Moreover, the satisfactory values of statistical performance measures validate the efficacy of the prediction capability of the proposed LM-NN approach.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 4/2019

Neural Computing and Applications 4/2019 Zur Ausgabe

Premium Partner

    Bildnachweise