Chaotic-based particle swarm optimization algorithm for optimal PID tuning in automatic voltage regulator systems

Автор(и)

DOI:

https://doi.org/10.20998/2074-272X.2021.1.08

Ключові слова:

пропорційне регулювання інтегральної похідної, оптимізація хаотичного рою частинок, автоматичний регулятор напруги, перехідна реакція, аналіз стійкості

Анотація

Вступ. В електроенергетичній системі потужність синхронних генераторів змінюється внаслідок збурень або різких змін навантаження. Ці зміни в потужності серйозно впливають на стабільність енергетичної системи та якість електроенергії. Синхронний генератор оснащений автоматичним регулятором напруги для підтримання напруги на його клемах на рівні номінальної напруги. Декілька методів управління використовуються для поліпшення реакції системи автоматичного регулятора напруги, однак пропорційний інтегральний похідний контролер (PID-контролер) є найбільш часто використовуваним контролером, але його параметри вимагають оптимізації. Новизна. У цій роботі хаотична послідовність, заснована на логістичній схемі, гібридизується за допомогою оптимізації рою частинок, щоб знайти оптимальні параметри PID для системи автоматичного регулятора напруги. Ініціалізація на основі хаотичної послідовності логістичної схеми та найкращий глобальний вибір дозволяють алгоритму вийти із локальної мінімальної стагнації та покращити швидкість збіжності, що дає найкращі оптимальні параметри. Мета. Основною метою запропонованого підходу є поліпшення перехідної реакції системи автоматичного регулятора напруги шляхом мінімізації максимального перевищення, часу встановлення, часу наростання та пікових значень напруги на клемах і усунення помилки у стаціонарного стані. Методи. У процесі настройки параметрів техніку оптимізації рою хаотичних частинок кілька разів пропускали через запропоновану гібридну цільову функцію, яка враховує переваги двох найбільш часто використовуваних цільових функцій з мінімальною кількістю ітерацій,і знайдено оптимальне значення коефіцієнту підсилення PID. Запропонований алгоритм порівнюється з сучасними метаевристичними алгоритмами, включаючи звичайну оптимізацію рою частинок, вдосконалений алгоритм нирок та інші. Результати. Для оцінки ефективності об'єднуються характеристики інтеграла у часі, помноженого на похибки у квадраті, та цільових функцій Цве-Лі Гейнга. Крім того, проводяться аналіз у часовій області, аналіз у частотної області та аналіз стійкості, щоб показати кращу ефективність запропонованого алгоритму. Результат показує, що автоматичний регулятор напруги, налаштований на хаотичну оптимізацію рою частинок, заснований на поліпшенні виходу PID в перевищеннях,часі налаштування та значенні функції перевищує на 14,41 %, 37,91 %, 1,73 % нещодавно запропонований нирковий алгоритм та на 43,55 %, 44,5 %, 16,67 % перевищує звичайні алгоритми оптимізації рою частинок. Поліпшення перехідної реакції ще більше покращує стабільність автоматичного регулятора напруги для систем електроенергетики.

Біографії авторів

N. Anwar , University of Wah, Pakistan

M.S., Department of Electrical Engineering,
Wah Cantt, Pakistan

A. Hanif , University of Wah, Pakistan

Ph.D., Department of Electrical Engineering,
Wah Cantt, Pakistan

M.U. Ali , University of Lahore, Pakistan

Ph.D., Department of Electrical Engineering,
Islamabad Campus, Pakistan

A. Zafar , University of Lahore, Pakistan

Ph.D., Department of Electrical Engineering,
Islamabad Campus, Pakistan

Посилання

Tu G., Li Y., Xiang J. Analysis, Control and Optimal Placement of Static Synchronous Compensator with/without Battery Energy Storage. Energies, 2019, vol. 12, no. 24, p. 4715. doi: https://doi.org/10.3390/en12244715.

Tang Y., Cui M., Hua C., Li L., Yang Y. Optimum design of fractional order PIλDμ controller for AVR system using chaotic ant swarm. Expert Systems with Applications, 2012, vol. 39, no. 8, pp. 6887-6896. doi: https://doi.org/10.1016/j.eswa.2012.01.007.

Kumar M.S., Mahadevan K. Removal of Moisture Content in Paper Machine Using Soft Computing Techniques. Circuits and Systems, 2016, vol. 07, no. 09, pp. 2542-2550. doi: https://doi.org/10.4236/cs.2016.79220.

Bahgaat N.K., Moustafa Hassan M.A. Swarm Intelligence PID Controller Tuning for AVR System. Studies in Fuzziness and Soft Computing, 2016, pp. 791-804. doi: https://doi.org/10.1007/978-3-319-30340-6_33.

Åström K.J., Hägglund T. Revisiting the Ziegler–Nichols step response method for PID control. Journal of Process Control, 2004, vol. 14, no. 6, pp. 635-650. doi: https://doi.org/10.1016/j.jprocont.2004.01.002.

Wojsznis W.K., Blevins T.L. Evaluating PID adaptive techniques for industrial implementation. In Proceedings of the 2002 American Control Conference (IEEE Cat. No.CH37301), 2002, p. 1151. doi: https://doi.org/10.1109/acc.2002.1023174.

Gaing Z.-L. A Particle Swarm Optimization Approach for Optimum Design of PID Controller in AVR System. IEEE Transactions on Energy Conversion, 2004, vol. 19, no. 2, pp. 384-391. doi: https://doi.org/10.1109/tec.2003.821821.

Ekinci S., Hekimoglu B. Improved Kidney-Inspired Algorithm Approach for Tuning of PID Controller in AVR System. IEEE Access, 2019, vol. 7, pp. 39935-39947. doi: https://doi.org/10.1109/access.2019.2906980.

Sahib M.A. A novel optimal PID plus second order derivative controller for AVR system. Engineering Science and Technology, an International Journal, 2015, vol. 18, no. 2, pp. 194-206. doi: https://doi.org/10.1016/j.jestch.2014.11.006.

Mohanty P.K., Sahu B.K., Panda S. Tuning and Assessment of Proportional–Integral–Derivative Controller for an Automatic Voltage Regulator System Employing Local Unimodal Sampling Algorithm. Electric Power Components and Systems, 2014, vol. 42, no. 9, pp. 959-969. doi: https://doi.org/10.1080/15325008.2014.903546.

Gozde H., Taplamacioglu M.C. Comparative performance analysis of artificial bee colony algorithm for automatic voltage regulator (AVR) system. Journal of the Franklin Institute, 2011, vol. 348, no. 8, pp. 1927-1946. doi: https://doi.org/10.1016/j.jfranklin.2011.05.012.

Ekinci S., Hekimoglu B., Kaya S. Tuning of PID Controller for AVR System Using Salp Swarm Algorithm. 2018 International Conference on Artificial Intelligence and Data Processing (IDAP), Sep. 2018. doi: https://doi.org/10.1109/idap.2018.8620809.

Demiroren A., Hekimoglu B., Ekinci S., Kaya S. Artificial Electric Field Algorithm for Determining Controller Parameters in AVR system. 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), Sep. 2019. doi: https://doi.org/10.1109/idap.2019.8875972.

Ekinci S., Hekimoglu B., Eker E. Optimum Design of PID Controller in AVR System Using Harris Hawks Optimization. 2019 3rd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT), Oct. 2019. doi: https://doi.org/10.1109/ismsit.2019.8932941.

Hekimoğlu B. Sine-cosine algorithm-based optimization for automatic voltage regulator system. Transactions of the Institute of Measurement and Control, 2018, vol. 41, no. 6, pp. 1761-1771. doi: https://doi.org/10.1177/0142331218811453.

Mosaad A.M., Attia M.A., Abdelaziz A.Y. Whale optimization algorithm to tune PID and PIDA controllers on AVR system. Ain Shams Engineering Journal, 2019, vol. 10, no. 4, pp. 755-767. doi: https://doi.org/10.1016/j.asej.2019.07.004.

Tavazoei M.S. Notes on integral performance indices in fractional-order control systems. Journal of Process Control, 2010, vol. 20, no. 3, pp. 285-291. doi: https://doi.org/10.1016/j.jprocont.2009.09.005.

Gozde H., Taplamacioglu M.C. Comparative performance analysis of artificial bee colony algorithm for automatic voltage regulator (AVR) system. Journal of the Franklin Institute, 2011, vol. 348, no. 8, pp. 1927-1946. doi: https://doi.org/10.1016/j.jfranklin.2011.05.012.

Aydiner E. Chaotic universe model. Scientific Reports, 2018, vol. 8, no. 1, p. 721. doi: https://doi.org/10.1038/s41598-017-18681-4.

Dos Santos Coelho L. Tuning of PID controller for an automatic regulator voltage system using chaotic optimization approach. Chaos, Solitons & Fractals, 2009, vol. 39, no. 4, pp. 1504-1514. doi: https://doi.org/10.1016/j.chaos.2007.06.018.

Abdullah A.H., Enayatifa R, Lee M. A Hybrid Genetic Algorithm and chaotic function model for image encryption. Journal of Electronics and Communication, 2012, vol. 66, pp. 806-816. doi: https://doi.org/10.1016/j.aeue.2012.01.015.

Çelik E., Rafet D. Performance enhancement of automatic voltage regulator by modified cost function and symbiotic organisms search algorithm. Engineering Science and Technology, an International Journal, 2018, vol. 21 no. 5, pp. 1104-1111. doi: https://doi.org/10.1016/j.jestch.2018.08.006.

George R.G., Hasanien H.M., Badr M.A., Elgendy M.A. A Comparative Study among Different Algorithms Investigating Optimum Design of PID Controller in Automatic Voltage Regulator. 2018 53rd International Universities Power Engineering Conference (UPEC), Glasgow, 2018, pp. 1-6. doi: https://doi.org/10.1109/UPEC.2018.8541870.

Çelik E. Incorporation of stochastic fractal search algorithm into efficient design of PID controller for an automatic voltage regulator system. Neural Computing and Applications, 2018, vol. 30, no. 6, pp. 1991-2002. doi: https://doi.org/10.1007/s00521-017-3335-7.

Odili J.B., Mohmad Kahar M.N., Noraziah A. Parameters-tuning of PID controller for automatic voltage regulators using the African buffalo optimization. PLoS One, 2017, vol. 12, no. 4, p. e0175901. doi: https://doi.org/10.1371/journal.pone.0175901.

Bingul Z., Karahan O. A novel performance criterion approach to optimum design of PID controller using cuckoo search algorithm for AVR system. Journal of the Franklin Institute, 2018, vol. 355, no. 13, pp. 5534-5559. doi: https://doi.org/10.1016/j.jfranklin.2018.05.056.

Kansit S., Assawinchaichote W. Optimization of PID controller based on PSOGSA for an automatic voltage regulator system. Procedia Computer Science, 2016, vol. 86, pp. 87-90. doi: https://doi.org/10.1016/j.procs.2016.05.022.

Chatterjee S., Mukherjee V. PID controller for automatic voltage regulator using teaching–learning based optimization technique. International Journal of Electrical Power & Energy Systems, 2016, vol. 77, pp. 418-429. doi: https://doi.org/10.1016/j.ijepes.2015.11.010.

Guvenc U., Yigit T., Isik A.H, , Akkaya I. Performance analysis of biogeography-based optimization for automatic voltage regulator system. Turkish Journal of Electrical Engineering and Computer Sciences, 2016, vol. 24, no. 3, pp. 1150-1162. doi: https://doi.org/10.3906/elk-1311-111.

Tang Y., Cui M., Hua C., Li L., Yang Y. Optimum design of fractional order PIλDμ controller for AVR system using chaotic ant swarm. Expert Systems with Applications, 2012, vol. 39, no. 8, pp. 6887-6896. doi: https://doi.org/10.1016/j.eswa.2012.01.007.

Gozde H., Taplamacıoğlu M.C. Comparative performance analysis of artificial bee colony algorithm for automatic voltage regulator (AVR) system. Journal of the Franklin Institute, 2011, vol. 348, no. 8, pp. 1927-1946. doi: https://doi.org/10.1016/j.jfranklin.2011.05.012.

Taherkhani M., Safabakhsh R. A novel stability-based adaptive inertia weight for particle swarm optimization. Applied Soft Computing, 2016, vol. 38, pp. 281-295. doi: https://doi.org/10.1016/j.asoc.2015.10.004.

Cao L., Xu L., Goodman E.D. A guiding evolutionary algorithm with greedy strategy for global optimization problems. Computational Intelligence and Neuroscience, 2016. doi: https://doi.org/10.1155/2016/2565809.

Liu Z., Murakami T., Kawamura S., Yoshida H. Parallel Implementation of Chaos Neural Networks for an Embedded GPU. 2019 IEEE 10th International Conference on Awareness Science and Technology (iCAST), Morioka, Japan, 2019, pp. 1-6. doi: https://doi.org/10.1109/ICAwST.2019.8923383.

Huang L., Ding S., Yu S., Wang J., Lu K. Chaos-enhanced Cuckoo search optimization algorithms for global optimization. Applied Mathematical Modelling, 2016, vol. 40, no. 5, pp. 3860-3875. doi: https://doi.org/10.1016/j.apm.2015.10.052.

Wang X., Sun H. A chaotic image encryption algorithm based on improved Joseph traversal and cyclic shift function. Optics & Laser Technology, 2020, vol. 122, p. 105854. doi: https://doi.org/10.1016/j.optlastec.2019.105854.

Tubishat M., Idris N., Shuib L., Abushariah M.A.M., Mirjalili S. Improved Salp Swarm Algorithm based on opposition based learning and novel local search algorithm for feature selection. Expert Systems with Applications, 2020, vol. 145, pp. 113122. doi: https://doi.org/10.1016/j.eswa.2019.113122.

Petrovic M., Vuković N., Mitić M., Miljković Z. Integration of process planning and scheduling using chaotic particle swarm optimization algorithm. Expert Systems with Applications, 2016, vol. 64, pp. 569-588. doi: https://doi.org/10.1016/j.eswa.2016.08.019.

Shadravan S., Naji H.R., Bardsiri V.K. The Sailfish Optimizer: A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problems. Engineering Applications of Artificial Intelligence, 2019, vol. 80, pp. 20-34. doi: https://doi.org/10.1016/j.engappai.2019.01.001.

Luo Y., Yu J., Lai W., Liu L. A novel chaotic image encryption algorithm based on improved baker map and logistic map. Multimedia Tools and Applications, 2019, vol. 78, no. 15, pp. 22023-22043. doi: https://doi.org/10.1007/s11042-019-7453-3.

Sato Y., Son D.T., Lamb J.S.W., Rasmussen M. Dynamical characterization of stochastic bifurcations in a random logistic map. ArXiv, 2018, pp. 1811-03994. Available at: https://arxiv.org/pdf/1811.03994.pdf (accessed on 11 May 2020).

Liu B., Wang L., Jin Y.-H., Tang F., Huang D.-X. Improved particle swarm optimization combined with chaos. Chaos, Solitons & Fractals. 2005, vol. 25, no. 5, pp. 1261-1271. doi: https://doi.org/10.1016/j.chaos.2004.11.095.

Kumar A., Kumar V. A novel interval type-2 fractional order fuzzy PID controller: design, performance evaluation, and its optimal time domain tuning. ISA Transactions, 2017, vol. 68, pp. 251-275. doi: https://doi.org/10.1016/j.isatra.2017.03.022.

Zheng W., Luo Y., Wang X., Pi Y., Chen Y. Fractional order PIλDμ controller design for satisfying time and frequency domain specifications simultaneously. ISA Transactions, 2017, vol. 68, pp. 212-222. doi: https://doi.org/10.1016/j.isatra.2017.02.016.

##submission.downloads##

Опубліковано

2021-02-23

Як цитувати

Anwar , N., Hanif , A., Ali , M., & Zafar , A. . (2021). Chaotic-based particle swarm optimization algorithm for optimal PID tuning in automatic voltage regulator systems. Електротехніка і Електромеханіка, (1), 50–59. https://doi.org/10.20998/2074-272X.2021.1.08

Номер

Розділ

Електричні станції, мережі і системи