臺灣博碩士論文加值系統

靜態同步串聯補償器(SSSC)是一種屬於彈性交流輸電系統(FACTS)中串聯型的控制器。它能以閘流體(Thyristors)做控制，並具有快速控制調整和高頻率操作能力，且透過阻抗補償，能控制輸電系統有效功率的流向及大小。
為了使電力系統實功控制達到一個快速又穩定的響應，故本文提出了一整合型人工智慧控制器，它包含了徑向基底類神經網路(RBFNN)與基因演算法(GA)之結合，並將它應用於SSSC以強化SSSC在電力系統動態控制之整體性能表現。最後進行電力系統實功控制模擬，並將本文所提之智慧型控制器整體表現與傳統式比例積分控制器進行比較以展示所提之整合型人工智慧控制器之優越性及有效性。

The static synchronous series compensator (SSSC) is a series controller of Flexible AC Transmission Systems (FACTS). It can be controlled by Thyristors, it also has the ability of fast control adjustments and high frequency operation. Through impedance compensation, it is able to control the magnitude and directions of the real power flow in the transmission system.
In order to achieve a fast and steady response for real power control in power systems, this thesis proposed a unified intelligent controller, which consists of RBFNN and GA for the SSSC to provide better control features for real power control in the dynamic operations of power systems. Finally, the simulation results of the proposed controllers is compared with the conventional proportional plus integral (PI) controllers to demonstrate the superiority and effectiveness of the unified intelligent controller.

中文摘要 I
英文摘要 II
目錄 III
圖目錄 VII
表目錄 XI

第一章 緒論 1
1-1 研究動機與目的 1
1-2 研究背景與方法 1
1-3 論文架構及概要 3
第二章 靜態同步串聯補償器 5
2-1 FACTS簡介 5
2-2 SSSC工作原理 6
2-3 SSSC裝置對系統功率角特性的影響 8
2-4 SSSC控制器之轉換器(VSC)數學模型 13
2-5 SSSC裝置的控制 15
2-5-1 SSSC的內環控制 15
2-5-2 SSSC的外環控制 16
2-6 本章結論 18
第三章 類神經網路之理論基礎 19
3-1 簡介 19
3-2 神經元的模型 19
3-3 類神經網路的連結方式 23
3-3-1 類神經網路的構成 23
3-3-2 網路架構 23
3-3-3 類神經網路學習策略 25
3-3-4 類神經網路的特性 26
3-4 倒傳遞類神經網路 27
3-5 類神經網路控制架構 28
3-6 徑向基底類神經網路原理及架構 30
3-6-1 徑向基底類神經網路原理 30
3-6-2 徑向基底類神網路之架構 32
3-6-3 RBFNN線上倒傳遞演算法 33
3-7 本章結論 36
第四章 整合徑向基底類神經與基因演算法之SSSC設計 38
4-1 簡介 38
4-2 原理介紹 38
4-2-1 初始族群(Initial Population) 38
4-2-2 適應值(Fitness) 38
4-2-3 複製(Reproduction) 39
4-2-4 交配(Crossover) 39
4-2-5 突變(Mutation) 40
4-2-6 擇優(Replacement) 40
4-3 傳統基因演算法 40
4-3-1 編碼(Encoding) 41
4-3-2 解碼(Decoding) 42
4-3-3 BGA交配策略 42
4-3-4 BGA突變策略 43
4-4 混合徑向基底類神經之基因演算法之設計 44
4-4-1 基因演算法的優化設計 44
4-4-2 基因演算法的PI控制器設計 45
4-4-3 利用GA找尋RBFNN學習速率之設計步驟 48
4-5 本章結論 49
第五章 模擬結果與討論 50
5-1 SSSC控制架構 50
5-1-1 SSSC之功率角模擬 51
5-1-2 PI控制器之SSSC模擬 53
5-2 結合徑向基底類神經(RBFNN)之SSSC模擬 58
5-3 結合基因演算法(GA)之SSSC模擬 65
5-4 GA+RBFNN之SSSC模擬 70
5-5 結論 78
第六章 結論與未來研究方向 79
6-1結論 79
6-2未來研究方向 80
參考文獻 81

[1]Abdel-Aty Edrisl, “FACTS technology development: an update,” IEEE Power Engineering Review, vol.20, no.3, pp.4-9, Mar. 2000.
[2]Whei-Min Lin and Shi-Jaw Chen, “ Predictor-corrector interior point algorithm for congestion relief with FACTS devices under deregulation”, to be published in the Journal of the Chinese Institute of Electrical Engineering, vol.9, No.1, pp.35-44, February 2002.
[3]R.Mohan Mathur, Rajiv K. Varma,”Thyristor-based FACTS Controllers for Electrical Transmisson Systems”, China machine press, April, 2005.
[4]A. Edris, R. Aapa ,”Proposed Terms and Definitions for Flexible AC Transmission System (FACTS)”, IEEE Transactions on Power Delivery, vol.12, no.4, pp.1848-1853, October 1997.
[5]Hai Feng wang, “ A Unified model for the Analysis of FACTS
devices in damping power system oscillation-part-ITI,UPFC “, IEEE Tran. on power delivery, vol.15, no.3, July2000, pp.978-983
[6]Zunko, Povh, Weinhold, “Basic control of UPFC”, IEEE Transaction on Power Systems, Vol. 12, no. 4, pp. 1734-1739, Nov-97.
[7]陳曦照，”電業自由化環境下競價為基礎之電力調度及發電業競標策略之研究”，國立中山大學電機系博士論文，民國90年5月
[8]盧彥良，”應用徑向基底類神經網路於風力發電系統之最大功率控制”，國立中山大學電機工程系，民國97年1月
[9]陳智堯，”整合基因演算法及田口方法於火力機組排程之研究”，國立中山大學電機工程系，民國95年6月
[10]鄭富升，”整合人工智慧解非凸集的經濟調度問題”，國立中山大學電機工程系，民國89年
[11]Chuan-Ping Cheng, Chih-Wen Liu and Chun-Chang Liu, “Unit commitment by Lagrangian relaxation and genetic algorithms,” IEEE Transactions on Power Systems, Vol. 15, No. 2, pp. 707 – 714, May 2000.
[12]謝小榮，姜齊榮，”柔性交流輸電系統的原理及應用”，清華大學出版社，2006年9月
[13]Schauder, C.D. and Mehta, H., “Vector Analysis and Control of Advanced Static Var Compensators”, IEE Fifth International Conference on AC and DC Transmission, Conference Publication No. 345, pp 266-272, 1991.
[14]K. Sen, "SSSC-Static Synchronous Series Compensator,” Theory, Modeling, and Applications”, IEEE Trans. On Power System, Vol. 13, No. 1, January 1998
[15]L. Gyugyi, C. D. Schauder, and K. K. Sen, “Static synchronous series compensator,”a solid-state approach to the series compensation of transmission lines”, IEEE Trans. Power Delivery, vol. 12, no. 1, Jan. 1997, pp. 406-417.
[16]莊政宏，”應用彈性交流輸電技術改善電力系統的區域間振盪”，國立台灣大學電機工程學研究所，民國90年
[17]呂凱弘，馬肇聰，”以電力轉換器為基礎的整合型電力潮流控制器(UPFC)應用於電力品質控制之可行性分析”，國立聯合大學電機工程系，2005年電力電子研討會
[18]D. Psaltis, A. Sideris, A.A. Yamamura, “A Multilayered Neural Network Controller,” IEEE Control Systems Magazine, vol. 82, April 1988, pp. 17-21.
[19]林家宏，” 類神經網路應用於高壓線故障定位之研究”，國立中山大學電機工程系，民國88年
[20]王進德，”類神經網路與模糊控制理論入門與應用”，全華科技圖書股份有限公司，2007年1月
[21]M. Gen and R. Cheng, “Genetic Algorithms and Engineering Optimization”, John Wiley and Sons, 2000.
[22]J. T. Tsai, T. K. Liu and J. H. Chou, “Hybrid Taguchi-Genetic Algorithm for Global Numerical Optimization,” IEEE Transactions on Evolutionary Computation, vol. 8, No. 4, pp. 365-377, Aug. 2004.
[23]Hong-Tzer Yang, Pai-Chuan Yang and Ching-Lien Huang, “Applications of the genetic algorithm to the unit commitment problem in power generation industry”, IEEE International Conference on Fuzzy Systems, Vol. 1, pp. 267 – 274, March 1995.