ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Application of Intelligent Control Algorithms to Study the Dynamics of Hybrid Power System

دانلود کتاب کاربرد الگوریتم های کنترل هوشمند برای مطالعه دینامیک سیستم قدرت هیبریدی

Application of Intelligent Control Algorithms to Study the Dynamics of Hybrid Power System

مشخصات کتاب

Application of Intelligent Control Algorithms to Study the Dynamics of Hybrid Power System

ویرایش: 1st ed. 2022 
نویسندگان: , , ,   
سری: Studies in Systems, Decision and Control, 426; 426 
ISBN (شابک) : 981190443X, 9789811904431 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 216 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 49,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Application of Intelligent Control Algorithms to Study the Dynamics of Hybrid Power System به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کاربرد الگوریتم های کنترل هوشمند برای مطالعه دینامیک سیستم قدرت هیبریدی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب کاربرد الگوریتم های کنترل هوشمند برای مطالعه دینامیک سیستم قدرت هیبریدی



توضیحاتی درمورد کتاب به خارجی

This book aims to systematically review and design different intelligent control algorithms for the small-signal stability assessment of HPS. With the growing consciousness of global warming and the fast depletion of natural power generation resources, the existing power system is on the verge of transitions to a “hybrid power system (HPS)” integrated with distributed energy resources. The recent results and requirements for the developments of intelligent control algorithms have motivated the authors to introduce this book for extensively analyzing the performance of HPS against unknown/uncertain disturbances. This book introduces fractional-order resilient control methodologies for arresting small-signal instability of HPS. The prospective investigation has been performed on the MATLAB platform. This book is helpful for undergraduate, postgraduate students, and research scholars working in power system stability, control applications, and soft computing in particular.



فهرست مطالب

Preface
Acknowledgements
Contents
About the Authors
Abbreviations
List of Figures
List of Tables
1 Introduction
	References
2 Small-Signal Stability Modelling of Hybrid Power System
	2.1 Introduction
	2.2 Small-Signal Stability Model of Interconnected Two-Area Power System
	2.3 Wind Power System (WPS)
		2.3.1 Wind Aerodynamic
		2.3.2 Mechanical Coupling Shaft
		2.3.3 Generator Model
	2.4 Solar Photovoltaic (PV) Model
	2.5 Diesel Engine Generator (DEG)
	2.6 Aqua-electrolyzer (AE) and Fuel Cell (FC)
	2.7 Hybrid Wind-Diesel Power System (hy-WD-PS)
	2.8 Modelling of Power System Nonlinearities
		2.8.1 Governor Dead-Band (GDB)
		2.8.2 Generation Rate Constraint (GRC)
		2.8.3 Modelling of Time-Lag Employing Pade Approximation
		2.8.4 Boiler Dynamics (BD)
	2.9 Conclusion
	References
3 Optimization Techniques
	3.1 Introduction
	3.2 Swarm Intelligence Algorithms: A Brief Description and Modelling
		3.2.1 Grey Wolf Optimization (GWO)
		3.2.2 Crow Search Algorithm (CSA)
		3.2.3 Grasshopper Optimization Algorithm (GOA)
		3.2.4 Dragonfly Algorithm (DA)
		3.2.5 Salp Swarm Algorithm (SSA)
		3.2.6 Marine Predators Algorithm (MPA)
	3.3 Hybridization of Algorithms
		3.3.1 Oppositional/quasi-oppositional Based Learning
		3.3.2 Chaotic Mapping
	3.4 Performance Index (Objective Function)
	3.5 Simulation Results
		3.5.1 Optimization Algorithm Applied to Frequency Stability Problem
		3.5.2 Case Study: Frequency Control of Hybrid Wind-Diesel Power System
	3.6 Conclusion
	Appendix: Nominal values of hyWD-PS (Fig. 2.13)
	References
4 Conventional Controllers Applied for Frequency Regulation
	4.1 Introduction
	4.2 Conventional Controllers
		4.2.1 Conventional Controller with Higher-Degree-Of-Freedom
	4.3 Fractional-Order (FO) Controllers
		4.3.1 Tilt-Integral Derivative (TID) Controller
		4.3.2 Multi-loop FO-Controllers
		4.3.3 Simulation Results
	4.4 Sensitivity Analysis
	4.5 State Feedback Control or Pole Placement Approach
	4.6 State Observer
	4.7 Linear Quadratic Regulator (LQR)
		4.7.1 Simulation Results
	4.8 Conclusion
	Appendix: Nominal Values of System Parameters
	References
5 Advanced Controller Applied for Frequency Regulation
	5.1 Introduction
	5.2 Sliding Mode Controller (SMC)
		5.2.1 Simulation Results
		5.2.2 State Observer-Based ISMC
	5.3 Fractional-Order SMC (FO-SMC)
		5.3.1 Mathematical Model of FO-SMC
		5.3.2 Simulation Results
	5.4 Disturbance Observer (DO)-Aided SMC/FOSMC
		5.4.1 Frequency-Domain Modelling of DOB
		5.4.2 Mathematical Model of FO-DOB
		5.4.3 Simulation Results
	5.5 Reduced-Order DOB (RoDOB)
		5.5.1 Simulation Results
	5.6 Conclusion
	Appendix: Nominal Values of System Parameters
	References
6 Intelligent Controller Applied for Frequency Regulation and Robustness Study
	6.1 Introduction
	6.2 Fuzzy-Aided Controller (FLC)
		6.2.1 Fuzzy Logic Approach
		6.2.2 Design of Fuzzy-Aided Conventional Controller
		6.2.3 Simulation Results
	6.3 Robustness Study (Kharitonov’s Stability Test)
		6.3.1 Simulation Results
	6.4 Conclusion
	Appendix: Nominal Values of System Parameters
	References
7 Model Order Reduction of Power Systems and Application of Internal Model Control (IMC)
	7.1 Introduction
	7.2 Model-Order Reduction (MOR)
		7.2.1 Routh Approximation (RA)
		7.2.2 Logarithmic Approximation (LA) and Improved Pade Approximation
		7.2.3 Balanced Truncation Algorithm (BTA)
	7.3 Internal Model Control (IMC)
		7.3.1 Simulation Results
	7.4 Conclusion
	Appendix: Nominal Values of System Parameters Fig. 7.2
	References




نظرات کاربران