Estabilizador neural não-linear para sistemas de potência treinado por rede de controladores lineares

A utilização de Estabilizadores de Sistemas de Potência (ESP), para amortecer oscilações eletromecânicas de pequena magnitude e baixa freqüência, é cada vez mais importante na operação dos modernos sistemas elétricos. Estabilizadores convencionais, com estrutura e parâmetros fixos, têm sido utilizados com essa finalidade há algumas décadas, porém existem regiões de operação do sistema nas quais esses estabilizadores lineares não são tão eficientes, especialmente quando comparados com estabilizadores projetados através de modernas técnicas de controle. Um ESP Neural, treinado a partir de um conjunto de controladores lineares locais, é utilizado para investigar em quais regiões de operação do sistema elétrico o desempenho do estabilizador a parâmetros fixos é deteriorada. O melhor desempenho do ESP Neural nessas regiões de operação, quando comparado com o ESP convencional, é demonstrado através de simulações digitais não-lineares de um sistema do tipo máquina síncrona conectada a um barramento infinito e de um sistema com quatro geradores.

ABSTRACT: Power System Stabilizers (PSS) have been applied as the most common solution to damp small magnitude and low frequency oscillations in modern electric power systems. Conventional Stabilizers, with fixed structure and parameters, have been used with this objective for several decades, but there are some system operation conditions where the performance of these linear stabilizers may deteriorate, especially when compared with that of stabilizers designed using modern control techniques. A Neural PSS, trained with a set of local linear controllers, is applied to establish the regions where a Conventional PSS shows low performance. Using non-linear digital simulations of a synchronous machine connected to an infinite-bus system and a multi-machine power system the Neural PSS is assessed showing superiority in those regions.