Universitas Airlangga Official Website

Pengontrol Inersia Virtual Adaptif Berdasarkan Pembelajaran Mesin

Foto by DigitalMania

Paper ini membahas tentang bagaimana mendesain kontroler inersia virtual yang adaptif terhadap perubahan sistem operasi. Kontroler tambahan ini akan dipasang pada penyimpanan energi magnetic superkonduktor. Tujuan dari makalah ini adalah untuk membuat pengontrol inersia virtual adaptif (VIC) untuk penyimpanan energi magnetik superkonduktor (SMES). Virtual adaptif pengontrol inersia dirancang menggunakan extreme learning machine (ELM). Itu sistem uji adalah jaringan listrik Jawa Indonesia 25 bus yang saling terhubung. Waktu simulasi domain digunakan untuk mengevaluasi efektivitas yang diusulkan metode pengontrol. Untuk mensimulasikan studi kasus, MATLAB/Simulink lingkungan digunakan. Menurut hasil simulasi, pembelajaran yang ekstrim mesin dapat digunakan untuk membuat pengontrol inersia virtual dapat beradaptasi dengan sistem variasi. Juga telah ditemukan bahwa merancang inersia virtual berdasarkan mesin pembelajaran yang ekstrim tidak hanya membuat VIC adaptif terhadap perubahan apa pun dalam sistem tetapi juga memberikan kinerja dinamika yang lebih baik jika dibandingkan ke skenario lain (nilai overshoot VIC adaptif kurang dari -5×10-5).

Makalah ini mengusulkan metode baru pengontrol inersia virtual adaptif berdasarkan pembelajaran ekstrem mesin untuk penyimpanan energi magnetik superkonduktor. Tujuan dari makalah ini adalah untuk meningkatkan dinamika kinerja sistem tenaga menggunakan SMES dan VIC adaptif. Jaringan listrik Jawa, Indonesia, digunakan sebagai a uji sistem untuk menunjukkan kemanjuran metode pengontrol yang diusulkan. Menurut hasil simulasi,

mesin pembelajaran ekstrim dapat melatih VIC agar adaptif terhadap variasi kondisi pengoperasian apa pun. Itu juga sudah menemukan bahwa VIC ELM dapat meniru kinerja VIC konvensional sekaligus menghasilkan hasil yang lebih baik. Selain itu, ditemukan bahwa metode kontrol yang diusulkan mengungguli metode lain yang disajikan di sini kertas. Menerapkan jenis pembelajaran mesin yang lebih canggih untuk pelatihan parameter VIC dapat digunakan melakukan penelitian tambahan. Selain itu, mengingat integrasi pembangkit listrik berbasis inverter juga bisa studi lebih lanjut untuk membuat sistem lebih up-to-date dan realistis.

Penulis: Herlambang Setiadi, Ph.D

Link Jurnal: https://ijece.iaescore.com/index.php/IJECE/article/view/29371