Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso

Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso Nâng cao khả năng điều khiển của bộ anfis bằng giải thuật pso

TÓM TẮT Đề tài “NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA BỘ ANFIS BẰNG GIẢI THUẬT PSO” tiến hành khoảng thời gian năm trường Đại Học Sư Phạm Kỹ Thuật TP HCM Sau thời gian nghiên cứu đề tài triển khai tập trung giải vấn đề sau:  Ứng dụng STATCOM để nâng cao độ ổn định động hệ thống điện  Tìm hiểu thuật tốn bầy đàn PSO (Particle Swarm Optimization)  Tìm hiểu điều khiển ANFIS (Adaptive -Network-based Fuzzy Inference )  Thiết kế điều khiển PSO kết hợp ANFIS cho STATCOM để nâng cao độ ổn định hệ thống điện bus  Mô kết Matlab Học viên thực Trần Minh Thành iv ABSTRACT There is “HYBRID PSO AND ANFIS CONTROLLER TO IMPROVE THE STABILITY SYSTEM” has been done for a year at Ho Chi Minh University Of Technology And Education The thesis’s content focused on:  Application of STATCOM to improve the dynamic stability of the power system  Learn about the PSO (Particle Swarm Optimization) algorithm  Understanding ANFIS controller (Adaptive -Network-based Fuzzy Inference)  Design PSO and ANFIS controller for STATCOM to improve the stability of the power system bus  Simulation results on Matlab Author Trần Minh Thành v MỤC LỤC Trang tựa Trang Lý lịch khoa học i Lời cam đoan .ii Lời cảm ơn iii Tóm tắt iv Abstract v Mục lục vi Danh mục chữ viết tắt ix Danh sách hình x Danh sách bảng xii Chương TỔNG QUAN 1.1 Giới thiệu 1.2 Đặt vấn đề 1.3 Ứng dụng ANFIS kết hợp thuật toán PSO hệ thống điện 1.4 Mục tiêu đề tài 1.5 Nhiệm vụ giới hạn đề tài 1.6 Phương pháp nghiên cứu 1.7 Nội dung đề tài Chương CƠ SỞ LÝ THUYẾT 2.1 Tổng quan STATCOM 2.2 Cấu trúc nguyên lý hoạt động STATCOM vi 2.3 Các tiêu liên quan chất lương điện lưới phân phối 2.3.1 Độ lệch tần số 2.3.2 Độ dao động tần số 12 2.3.3 Ảnh hương thay đổi tần số 12 2.4 Điện áp nút phụ tải 13 2.4.1 Dao động điện áp 13 2.4.2 Độ lệch điện áp 15 2.4.2.1 Độ lệch điện áp phụ tải 15 2.4.2.2 Độ lệch điện áp lưới hạ áp 16 2.4.2.3 Diễn biến điện áp lưới phân phối 18 2.4.2.4 Ảnh hưởng điện áp đến làm việc phụ tải 20 2.4.3 Độ không đối xứng 23 2.4.3.1 Nguyên nhân 23 2.4.3.2 Ảnh hưởng không đối xứng lưới điện 24 2.4.4 Độ không sin 27 2.4.4.1 Sóng hài 27 2.4.4.2 Các nguồn tạo sóng hài 28 2.4.4.3 Ảnh hưởng sóng hài 31 Chương 40 GIỚI THIỆU THUẬT TOÁN BẦY ĐÀN (PSO) 40 3.1 Giới thiệu 40 3.2 Biểu thức thuật toán PSO 41 3.3 Giải thuật PSO 43 Chương 45 BỘ ĐIỀU KHIỂN ANFIS 45 4.1 Giới thiệu hệ suy luận mờ dựa mạng thích nghi ANFIS (Adaptive- Network-based Fuzzy Inference System) 45 4.2 Cấu trúc ANFIS (Adaptive-Network-based Fuzzy Inference System) 45 vii 4.3 Các luật học ANFIS 47 Chương 55 THIẾT KẾ BỘ ĐIỀU KHIỂN PSO KẾT HỢP ANFIS CHO STATCOM ĐỂ NÂNG CAO ĐỘ ỔN ĐỊNH HỆ THỐNG ĐIỆN 55 5.1 Giới thiệu hệ thống nghiên cứu 55 5.2 Thiết kế điều khiển PSO kết hợp ANFIS cho STATCOM hệ thống nghiên cứu Bus 5.3 56 Kết mô 58 Chương 64 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 64 TÀI LIỆU THAM KHẢO 65 viii DANH MỤC CÁC CHỮ VIẾT TẮT GO (Global Optimization) GA (Genetic Algorithms) PSO (Particle Swarm Optimization) ANFIS (Adaptive -Network-based Fuzzy Inference ) FACTS (Flexible AC Tranmission System) STATCOM (Static compensator) SVC (Static Var Compensator ) IGBT (Insulated gate bipolar transistor) IGCT (Integrated Gate Commutated Thyristor) PWM (Pulse Width Modulation) PI (Proportional Integral) ix DANH SÁCH CÁC HÌNH Hình 2.1 : Mạch điện tương đương STATCOM Hình 2.2 : Mạch điện tương đương pha STATCOM Hình 2.3 : Giản đồ STATCOM Hình 2.4 : Cấu trúc VSC Hình 2.5 : Nguyên lý hoạt động STATCOM 10 Hình 2.6 : Sơ đồ kết nối STATCOM với hệ thống điện 11 Hình 2.7 : Miền chất lượng điện áp 16 Hình 2.8 : Chế độ công suất max phụ tải 16 Hình 2.9 : Diễn biến điện áp lưới phân phối 18 Hình 2.10 : Theo quan hệ với công suất phụ tải 20 Hình 2.11 : Trục ngang độ lệch điện áp B1 20 Hình 2.12 : Đặc tính đèn sợi đốt 21 Hình 2.13 : Sự phụ thuộc P, Q vào điện áp 22 Hình 2.14 : Sự phụ thuộc tổn thất điện vào hệ số KĐX 27 Hình 2.15 : Các bậc sóng hài 28 Hình 2.16 : Hiện tượng từ trễ bão hịa mạch từ làm méo dạng sóng dịng điện 30 Hình 2.17 : Sự phụ thuộc tổn thất cơng suất ∆Pd giá trị hiệu dụng dịng điện Ie vào độ méo………………………………………………………………… 33 Hình 2.18 : Sự suy giảm công suất máy biến áp phụ thuộc vào tỷ phần phụ tải phi tuyến mạng………………………………………………………………… 36 Hình 3.1 : Mơ hình thuật tốn bầy đàn PSO đàn kiến tìm thức ăn 40 Hình : Sơ đồ điểm tìm kiếm phương pháp PSO 42 x Hình 3.3 : Lưu đồ ứng dụng PSO 44 Hình 4.1 : Hệ thống suy luận mờ ANFIS ( a) Cấu trúc ANFIS gồm lớp 46 Hình 5.1 : Mơ hình hệ thống nghiên cứu STATCOM 56 Hình 5.2 : Bộ điều khiển ANFIS thiết kế cho khâu điều chỉnh điện áp 57 Hình 5.3 : Lưu đồ giải thuật thiết kế điều khiển ANFIS kết hợp PSO 57 Hình 5.4 : Kết sai số huấn luyện ANFIS 58 Hình 5.5 : Mối quan hệ tín hiệu ngõ vào tín hiệu ngõ 58 Hình 5.6 : Kết trình huấn luyện ANFIS dùng PSO 59 Hình 5.7 : Kết mô nguồn thay đổi………………………………….60 Hình a: Thay đổi điện áp đầu nguồn 59 Hình b: Công suất Q phát từ STATCOM 60 Hình c: Góc kích alpha STATCOM 60 Hình 5.8 : Kết mơ ngắn mạch pha L2……………………… 63 Hình a: Điện áp bus 61 Hình b: Dịng điện điều khiển Iq 61 Hình c: Điện áp Vdc STATCOM 62 Hình d: Cơng suất Q 62 Hình e: Góc kích alpha 63 xi CHƯƠNG TỔNG QUAN 1.1 Giới thiệu Trong thực tế nhiều ngành khoa học phải giải toán tối ưu đa mục tiêu đặc biệt ngành kinh tế Chẳng hạn, người chế tạo sản phẩm thường phải đưa phương án cho vừa tiết kiệm vật liệu, chi phí sản xuất thấp lại muốn giá trị sản phẩm cao Nghiên cứu giải toán tối ưu đa mục tiêu vấn đề không đơn giản chưa có lời giải thỏa mãn đồng thời mục tiêu đặt (thường mục tiêu đối nghịch ví dụ trên) mà khơng vi phạm ràng buộc Đã có nhiều phương pháp giải toán tối ưu đa mục tiêu đề xuất, việc nghiên cứu phát triển phương pháp ứng dụng chúng để giải toán thực tế vấn đề quan tâm Trong nhiều toán tối ưu thực tế, việc trọng tâm tìm vị trí cực tiểu tồn cục hàm mục tiêu Đã có nhiều phương pháp tối ưu toàn cục (Global Optimization - GO) phát triển để giải vấn đề như: Mô việc luyện thép (Simulated Annealing) Tính tốn tiến hóa (Evolutionary Computation) Về mặt lý thuyết tổng quát, phương pháp GO có tính hội tụ mạnh, hay nguyên tắc dễ hiểu việc thực ứng dụng Tính tốn tiến hóa kỹ thuật đặc biệt số phương pháp GO Phương pháp làm việc tập hợp lời giải tiềm năng, gọi quần thể (population) tìm lời giải tối ưu thông qua việc cộng tác cạnh tranh lời giải tiềm Thường sử dụng thuật toán di truyền (Genetic Algorithms – GA) Artificial Life, dựa tiến hóa tự nhiên cư xử xã hội Các phương pháp thường tìm tốt toán tối ưu phức tạp với phương pháp tối ưu truyền thống Thuật toán tối ưu PSO (Particle Swarm Optimization) R.C Eberhat J.Kennedy đề nghị năm 1995 Từ lúc đời đến PSO nhiều nhà khoa học số hóa trung tâm học liệu nhằm tìm hiểu khả ứng dụng thuật toán PSO, GA việc giải toán tối ưu đa mục tiêu thực tế Với mục đích đó, đề tài tập trung trình bày việc giải toán tối ưu giải thuật PSO kết hợp ANFIS Vậy ANFIS gì? Ngày nay, mạng nơron nhân tạo (ANN) ứng dụng thành công, nhà khoa học kĩ sư năm gần có nhiều nghiên cứu ứng dụng việc xấp xỉ hàm, nhận dạng điều khiển, xử lý ảnh, dự đoán chuỗi thời gian… Hệ mờ nơ ron kết hợp logic mờ và khả học mạng nơron Một kết hợp hệ mờ nơron thích nghi (ANFIS - Adaptive Neuro Fuzzy Inference System) Hệ thống có khả tối ưu hóa hệ mờ dựa tập mẫu có sẵn Các hệ mờ - nơron công cụ thống kê phương pháp khác sử dụng toán dự báo dự báo số kinh tế, tài Các mạng nơron chứa số lượng lớn thông số đầu vào cho phép việc học bên quan hệ khơng tuyến tính chuỗi thời gian, tăng cường khả dự báo Trong năm gần đây, nhiều toán dự báo chuyên gia tin tưởng sử dụng hệ thống thơng minh khác nhau, mạng ANFIS ứng dụng nhiều lĩnh vực khác 1.2 Đặt vấn đề Điện áp đại lượng quan trọng để đánh giá chất lượng điện Ổn định điện áp đáp ứng khả trì điện áp tất nút hệ thống phạm vi cho phép (tùy thuộc vào tính chất nút mà phạm vi dao động cho phép điện áp khác nhau) Trong điều kiện vận hành khơng bình thường sau nhiễu loạn, hệ thống vào trạng thái không ổn định xuất kích động tăng tải đột ngột hay thay đổi thông số hệ thống Các thay đổi làm cho trình giảm điện áp xảy nặng nề rơi vào trình trạng khơng thể điều tuyến cho hệ thống hệ thống thay đổi Để thay đổi luật học theo khối thành trực tuyến, rõ ràng việc giảm gradient nên dựa theo Ep phương trình (4.15) thay dựa vào E Nói cách khác, học theo mẫu thủ tục tìm kiếm gradient đích thực để cực tiểu hố E, xấp xỉ E tốc độ học nhỏ Đối với cơng thức dãy bình phương cực tiểu dùng để giải thích đặc tính biến đổi theo thời gian liệu vào, cần phân huỷ ảnh hưởng cặp liệu cũ có cặp liệu xuất Điều kiện “hệ số quên” γ cho công thức dãy tổng quát  X i 1  X i  Si 1 i 1 biT1   iT1 X i Si 1  Si i 1 iT1Si     Si       iT1 i 1   (4.25) giá trị γϵ[0,1] với γ nhỏ ảnh hưởng việc phân huỷ liệu cũ nhanh Nhưng với γ nhỏ gây tình trạng khơng ổn định mặt số học, nên tránh trường hợp 54 Chương ỨNG DỤNG PSO ĐỂ NÂNG CAO KHẢ NĂNG ĐIỀU KHIỂN CỦA ANFIS TRONG ĐIỀU KHIỂN HỆ THỐNG ĐIỆN 5.1 Giới thiệu hệ thống nghiên cứu Mơ hình hệ thống điện nghiên cứu mơ tả Hình 5.1 Trong đó, STATCOM mơ tả mơ hình đại diện cho hệ thống 500 kV bus với công suất 100 Mvar điều khiển điện áp bus B1 Điện áp nội hệ thống tương đương kết nối bus B1 thay đổi khối nguồn lập trình ba pha để quan sát đáp ứng động STATCOM với thay đổi điện áp hệ thống STATCOM bao gồm biến đổi xung 48 xung ba cấp hai tụ 3000 μF kết nối với nhau, hoạt động nguồn điện áp DC thay đổi Điện áp biến thiên biên độ 60 Hz tạo biến tần tổng hợp từ điện áp DC biến đổi khoảng 19.3 kV 55 L1- 200Km B2 c Programmable Voltage Source Equiv 500kV 8500MVA A B C C B C B3 L3- 180Km C b A B C B A a B A C A A N B L2- 75Km 200MW 300MW Equiv 500kV 6500MVA Q Equiv 500kV 9000MVA B1 A Vdc P B N C Vdc M Cp Cm STATCOM 500kV 100MVA Hình 5.1: Mơ hình hệ thống nghiên cứu STATCOM 5.2 Thiết kế điều khiển PSO kết hợp ANFIS cho STATCOM hệ thống nghiên cứu Bus Như đề cập trên, luận văn này, tác giả sử dụng thuật toán PSO kết hợp với điều khiển mờ thích nghi ANFIS để nâng cao mức độ đáp ứng STATCOM Do đó, thay khâu điều khiển PI khâu điều khiển ANFIS có kết hợp với thuật tốn PSO thể Hình 5.2 56 Hình 5.2: Bộ điều khiển ANFIS thiết kế cho khâu điều chỉnh điện áp Bắt đầu Khởi tạo hàm liên thuộc Khởi tạo FIS Tạo cá thể Đánh giá hoạt động FS PSO Kết thúc lặp? Đúng Sai Thế hệ Kết thúc Hình 5.3: Lưu đồ giải thuật thiết kế điều khiển ANFIS kết hợp PSO Lưu đồ giải thuật dựa vào kết hợp PSO ANFIS để nâng cao khả điều khiển ANFIS Trong cá thể điều chỉnh vận tốc vị trí dựa vào kinh 57 nghiệm tốt ta gọi Pbest Gbest giá trị tốt tìm thấy cá thể khác 5.3 Kết mô Tiến hành thiết kế điều khiển ANFIS theo cách thơng thường ta có kết trình bày hình bao gồm sai số sau huấn luyện bề mặt biểu diễn mối quan hệ tín hiệu vào điều khiển theo tập luật đề Hình 5.4: Kết sai số huấn luyện ANFIS Hình 5.5: Mối quan hệ tín hiệu ngõ vào tín hiệu ngõ Tiếp theo, hình 5.6 trình bày kết có từ q trình huấn luyện ANFIS thuật tốn PSO để tối ưu thơng số dựa vào lưu đồ hình 5.3 58 Train Data Target Output 0.5 -0.5 2000 4000 6000 8000 10000 Sample Index MSE = 0.039776, RMSE = 0.19944 0.5 12000 14000 16000 18000 Error Mean = -5.5595e-14, Error St.D = 0.19945 4000 Error 3000 2000 -0.5 -1 1000 2000 4000 6000 8000 -0.8 10000 12000 14000 16000 18000 -0.6 -0.4 -0.2 0.2 0.4 0.6 Hình 5.6: Kết trình huấn luyện ANFIS dùng PSO Trường hợp 1: Tiến hành mô hệ thống hình 5.1 với cố dao động điện áp phạm vi +/- 2,5% hình 5.7a ta thấy kết so sánh công suất phản kháng phát STATCOM góc kích alpha trường hợp có điều khiển thiết kế ANFIS (đường màu đỏ) trường hợp sử dụng điều khiển đơn giản PI (đường màu xanh) Quan sát từ đáp ứng ta thấy khả điều khiển điều khiển thiết kết ANFIS vượt trội 1.04 1.03 V nguon (pu) 1.02 1.01 0.99 0.98 0.97 4.2 4.4 4.6 4.8 5.2 Ts = 2.5e-5 (s) 5.4 5.6 Hình a: Thay đổi điện áp đầu nguồn 59 5.8 x 10 0.04 0.03 Q (pu) 0.02 0.01 -0.01 -0.02 4.2 4.4 4.6 4.8 5.2 Ts = 2.5e-5 (s) 5.4 5.6 5.8 x 10 Hình b: Cơng suất Q phát từ STATCOM 1.5 Alpha (degree) 0.5 -0.5 4.2 4.4 4.6 4.8 5.2 Ts = 2.5e-5 (s) 5.4 5.6 5.8 x 10 Hình c: Góc kích alpha STATCOM Hình 5.7: Kết mô nguồn thay đổi Trường hợp 2: Để đánh giá mức độ đáp ứng điều khiển thiết kế ta tiến hành mô miền thời gian trường hợp cố nghiêm trọng ngắn mạch pha đường dây L2 thời gian chu kỳ Kết so sánh đáp ứng trường hợp điều 60 khiển thông thường sử dụng điều khiển PI thể đường màu xanh đáp ứng gắn điều khiển ANFIS thể đường màu đỏ trình bày hình 5.8 bao gồm điện áp bus 1, dịng điện điều khiển Iq, điện áp Vdc STATCOM, công suất Q cung cấp góc kích alpha thể từ hình a đến hình e 1.5 V bus (pu) 0.5 -0.5 -1 -1.5 3.5 4.5 5.5 Ts = 2.5e-5 (s) x 10 Hình a: Điện áp bus Iq (pu) -1 -2 -3 3.5 4.5 Ts = 2.5e-5 (s) Hình b: Dịng điện điều khiển Iq 61 5.5 x 10 3.5 x 10 Vdc (V) 2.5 1.5 0.5 3.5 4.5 Ts = 2.5e-5 (s) 5.5 x 10 Hình c: Điện áp Vdc STATCOM 0.5 0.4 0.3 Q (pu) 0.2 0.1 -0.1 -0.2 -0.3 3.5 4.5 Ts = 2.5e-5 (s) Hình d: Cơng suất Q 62 5.5 x 10 80 Alpha (degree) 60 40 20 -20 -40 3.5 4.5 Ts = 2.5e-5 (s) 5.5 x 10 Hình e: Góc kích alpha Hình 5.8: Kết mô ngắn mạch pha L2 63 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận Luận văn nghiên cứu giải vấn đề cụ thể sau: - Nghiên cứu yếu tố ảnh hưởng đến ổn định điện áp hệ thống điện - Nghiên cứu giải thuật tối ưu bầy đàn PSO ứng dụng giải thuật PSO hệ thống điện để tối ưu thông số cho điều khiển nơ-ron mờ thích nghi ANFIS - Nghiên cứu cấu tạo, nguyên lý làm việc đặt tính làm việc thiết bị bù đồng tĩnh STATCOM - Ứng dụng thành công thuật toán ANFIS vào điều khiển thay cho điều khiển PI khâu điều chỉnh điện áp STATCOM nhằm nâng cao khả điều khiển STATCOM hệ thống điện nhằm nâng cao chất lượng điện hệ thống - Các kết thực trường hợp bao gồm thay đổi điện áp đầu nguồn cố nghiêm trọng ngắn mạch pha đường dây kiểm chứng ưu điểm điều khiển ANFIS 6.2 Hướng phát triển Luận văn phát triển theo hướng sau: - Nghiên cứu áp dụng giải thuật PSO cho hệ thống điều khiển ANFIS ứng dụng cho hệ thống điện thực Việt Nam - Nghiên cứu thuật toán điều khiển tối ưu khác việc tối ưu thông số cho ANFIS để có sở so sánh đánh giá 64 TÀI LIỆU THAM KHẢO [1] Mannle M, “Identify rule- base TSK fuzzy method”, uni of Karsruhe, 2000 [2] Mannle M, Richard A, and Dorasm T A, “Rule- based fuzzy model for nonlinear system identification”, uni of Karsruhe, 1996 [3] Jang J R, Sun C, and Mizutani, “ Neuro- Fuzzy and soft computing”, prentice hall, 1997 [4] Sugeno M, and Kang G T, “Structure identification of fuzzy model”, fuzzy sets and systems, pp 15- 33, 1998 [5] Takagi T, Sugeno M, “Fuzzy identification of systems and its application to modeling and control”, IEEE Transaction on systems, Man & Cybernetics, pp: 1161321, 1985 [6] Alcala R, Casillas J, Cordon O and Herrera F, “Learning TSK rule- based system from approximate ones by mean of MOGUL methodology” Granda uni of spain, Oct 2000 [7] Mannle M, “FTSM: Fast Takagi- Sugeno fuzzy modeling”, uni of Karsruhe, 1999 [8] Jyh-Shing Roger Jang, “ANFIS: Adaptive-NetworkBased Fuzzy Inference System”, IEEE Trans Sys.,Man and Cybernetics., Vol 23, No 3, May/June 1993 [9] 13 Yager, R R and Zadeh, L A., “Fuzzy Sets Neural Networks, and Soft Computing”, Van Nostrand Reinhold,1994 [10] Manish Kumar, Devendra P Garg “Intelligent Learning of Fuzzy Logic Controllers via Neural Network and Genetic Algorithm”, Proceedings of 2004 JUSFA 2004 Japan – USA Symposium on Flexible Automation Denver, Colorado, July 19-21, 2004 [11] Mascioli, F.M., Varazi, G.M and Martinelli, G., “Constructive Algorithm for Neuro-Fuzzy Networks”, Proceedings of the Sixth IEEE International Conference on Fuzzy Systems, 1997, Vol 1, July 1997, pp 459 –464 [12] Jang, J.-S R., and Mizutani, E., “Levenberg-Marquardt Method for ANFIS 65 Learning”, Biennial Conference of the North American Fuzzy Information Processing Society, June 1996, pp 87 –91 [13] Jang, J.-S.R., “Input Selection for ANFIS Learning”, Proceedings of the Fifth IEEE International Conference on Fuzzy Systems, Vol 2, Sep 1996, pp 1493 –1499 [14] J kennedy, RC Ebenhart,, “particle swarm optimization”, Proceedings of the IEEE International Conference on neural networks, Vol 4, 1995, pp 1942 – 1948 [15] Andries P.Engelbrecht, “Computational Intelligence An introduction”, John Wiley & Sons Ltd 2002 [16] J kennedy , “the behavior of particle swarm in VW, N saravan, D Waagen (eds), proceeding of 7th international conference on evolutionary programming, 1998, pp581-589 [16] J kennedy , “the behavior of particle swarm in VW, N saravan, D Waagen (eds), proceeding of 7th international conference on evolutionary programming, 1998, pp581-589 [17] Y Shi, RC Ebenhart, “Empirical study of Particle Swarm Optimization”, proceeding of the IEEE Congress on Evolutionary Computation, Vol3, 1999, pp 19451950 [18] K S Narendra and K Parthasarathy, “Identification and control of dynamical system using neural networks,” IEEE Trans Neural Networks,vol 1, pp 4–27, Jan 1990 [19] Venu G Gudise and Ganesh K Venayagamoorthy , “Comparison of Particle Swarm Optimization and Backpropagation as Training Algorithms for Neural Networks” , Swarm Intelligence Symposium, 2003 SIS '03 Proceedings of the 24-26 April 2003 IEEE [20] Kwang Y Lee “ Modern Heuristic Optimization Techniques: Theory and Applications to power systems ” Piscataway, N.J : Hoboken, N.J :IEEE Press ; WileyInterscience, c2008 66 [21] H M I Pousinho, Student Member, IEEE, V M F Mendes and J P S Catalão, Member, IEEE“ Hybrid PSO-ANFIS Approach for Short-Term Electricity Prices Prediction “ [22] V.Seydi Ghomsheh *, M Aliyari Shoorehdeli **, M “TeshnehlabTraining ANFIS Structure with Modified PS Algorithm” [23] Yong Hua Song and Allan T Johns - Flexible AC Transmission Systems (FACTS) [24] Nguyễn Văn Nhờ “Giáo trình điện tử công suất 1” Nha xuất Đại học Quốc gia TP Hồ Chí Minh 2002 [25] Hồ Văn Hiến “Hệ Thống Điện Truyền Tải Và Phân Phối” NXB ĐH Quốc Gia Tp HCM [26] TS Quyền Huy Ánh “Giáo trình giải tích mạng” (trường Đại học Sư phạm Kỹ thuật Tp.HCM) [27] Ngô Quang Ước, 2010 Nghiên cứu bù công suất phản kháng cho lưới trung áp áp dụng phần mềm PSS/ADEPT tính tốn cho lộ 479 Văn Lâm Hưng Yên Luận văn thạc sĩ kỹ thuật, Đại học nông nghiệp Hà Nội , Hà Nội, Việt Nam 67 ... Cơ sở lý thuyết Chương 3: Giới thiệu thuật toán bầy đàn PSO Chương 4: Bộ điều khiển ANFIS Chương 5: Thiết kế điều khiển PSO kết hợp ANFIS cho STATCOM để nâng cao ổn định hệ thống điện Chương 6:... THIẾT KẾ BỘ ĐIỀU KHIỂN PSO KẾT HỢP ANFIS CHO STATCOM ĐỂ NÂNG CAO ĐỘ ỔN ĐỊNH HỆ THỐNG ĐIỆN 55 5.1 Giới thiệu hệ thống nghiên cứu 55 5.2 Thiết kế điều khiển PSO kết hợp ANFIS cho... THIỆU THUẬT TOÁN BẦY ĐÀN (PSO) 40 3.1 Giới thiệu 40 3.2 Biểu thức thuật toán PSO 41 3.3 Giải thuật PSO 43 Chương 45 BỘ ĐIỀU KHIỂN ANFIS