[논문 리뷰] Neural Stabilization/Excitation Control of a High-Order Power System by Adaptive Feedback Linearization

Kingsley Fregene, D. Kennedy|ArXiv.org|2000. 07. 11.

Power System Optimization and Stability참고 문헌 13인용 수 5

한 줄 요약

이 논문은 고차수(7차) 동기기/무한대 버스 전력 시스템을 대상으로, 식물 동역학을 식별하고 실시간 피드백 선형화를 가능하게 하는 두 개의 신경망을 사용하는 신경망 기반 적응 피드백 선형 제어기를 제안한다. 이 제어기는 축소된 순차 모델에 기반한 분석적 제어기보다도 더 낮은 제어 노력과 더 뛰어난 파rameter 변화 및 외란에 대한 강건성으로 향상된 전압 추적 성능을 달성한다.

ABSTRACT

This paper discusses the systematic design of an adaptive feedback linearizing neurocontroller for a high-order model of the synchronous machine/infinite bus power system. The power system is first modelled as an input-output nonlinear discrete-time system approximated by two neural networks. The approach allows a simple linear pole-placement controller (which is itself not a neural network) to be designed. The control law is specified such that the controller adaptively calculates an appropriate feedback linearizing control law at each sampling instant by utilizing plant parameter estimates provided by the neural system model. The control system also adapts itself on-line. This avoids the requirement for exact knowledge of the power system dynamics and full state measurement as well as other difficulties associated with implementing analytical input-output feedback linearizing control for a complex power system model. Furthermore, a departure is made from the `ad hoc' manner in which many neural controllers have been designed for power systems; the approach used here has foundations in control theoretic concepts of adaptive feedback linearization and pole-placement control design. Simulation results demonstrate the performance of this controller for a representative example of a single-machine/infinite bus power system configuration under various operational conditions.

연구 동기 및 목표

• 정확한 모델 지식과 전체 상태 측정이 필요로 하는 고차수 전력 시스템에서 분석적 피드백 선형화의 한계를 해결한다.
• 식물 파라미터가 이동하거나 동역학이 모델링되지 않을 경우 전통적 제어기의 열악한 강건성을 극복한다.
• 정확한 시스템 모델에 의존하지 않고도 온라인 적응과 사용자 지정된 닫힘 루프 동역학을 가능하게 하는 제어 프레임워크를 개발한다.
• 신경망 기반 시스템 식별 기법을 사용하여 전압 추적, 전력 각도 진동 감쇠, 외란 제거 성능 향상을 입증한다.

제안 방법

• 두 개의 다층 신경망을 사용하여 7차 전력 시스템을 비선형 이산시간 입력-출력 시스템으로 모델링한다.
• 더 빠른 수렴과 향상된 정확도를 위해 배치 모드에서 Levenberg-Marquardt 최적화 알고리즘을 사용하여 신경망 가중치를 훈련하고 적응시킨다.
• 각 샘플링 순간에 훈련된 신경망 모델을 사용하여 식물 파라미터를 온라인으로 추정하고 피드백 선형화 제어 법칙을 계산한다.
• 추정된 파라미터를 기반으로 선형 극 배치 제어기를 설계하여 사용자 지정된 닫힘 루프 동역학과 안정적인 기준 추적을 가능하게 한다.
• 사용자 지정된 닫힘 루프 동역학을 가능하게 하기 위해 사전에 정의된 파라미터 기반의 제어 법칙을 사용한다.
• 복잡한 수학적 매핑을 신경망 기반 근사치로 대체함으로써 분석적 피드백 선형화의 필요성을 피한다.

실험 결과

연구 질문

• RQ1 최소한의 모델 지식으로도 신경망 기반 시스템 식별 기법이 고차수 전력 시스템에서 분석적 피드백 선형화를 효과적으로 대체할 수 있는가?
• RQ2 파라미터 변화 및 외란 하에서 신경망 기반 적응 제어기의 성능이 분석적 피드백 선형화 제어기와 비교하여 어떻게 되는가?
• RQ3 온라인 신경망 가중치 적응이 응답 속도를 떨어뜨리지 않으면서 얼마나 제어기의 강건성을 향상시키는가?
• RQ4 제안된 제어기가 전통적인 분석적 제어기보다 더 낮은 제어 노력으로 정확한 전압 추적을 달성할 수 있는가?
• RQ5 제어기가 다양한 운영 조건과 시스템 교란 상황에서도 전력 각도 진동을 유지하는가?

주요 결과

• 신경망 제어기는 기준 전압의 단계적 변화에 대해 거의 영역의 정적 추적 오차를 달성하여 분석적 제어기와 동일한 성능을 보였다.
• 신경망 제어기는 특히 일시적인 반응 동안 분석적 제어기보다 몇 개의 주기적 정도 낮은 제어 노력이 필요로 했다.
• 추적 과정 중에 고주파 진동이 적었으며, 분석적 제어기는 모델링되지 않은 동역학으로 인해 두드러진 고조파를 보였다.
• 관성 파라미터 H가 50% 감소(9.5에서 4.75로)한 상황에서도 신경망 제어기는 명시된 경우와 유사한 안정된 추적 동역학을 유지했고, 분석적 제어기는 모델 불일치로 인해 성능이 저하되었다.
• 기계적 전력 입력이 33.4% 감소한 후 시스템은 신속하게 복구되었으며, 두 제어기 모두 정상 수준으로 단자 전압을 복구하고 발전기 각도 진동을 유지했다.
• 온라인 가중치 적응은 몇 번의 샘플링 순간 이내에 식물 출력 오차를 빠르게 감소시켜, 적응이 전체 제어 응답 속도를 느리게 하지 않는다는 것을 확인했다.