مرد بقال از من پرسید : چند من خربزه می خواهی ؟
 من از او پرسیدم : دل خوش سیری چند ؟

تنها (مکث)

رها شده بر تکه یخی

در اعماق اقیانوسی آرام

(مکث)

چشم در چشم ستاره قطبی

(مکث)

چشم در چشم کورسوی امید

(مکث)

یخی که آرام آرام آب می شود (مکث طولانی)

‏اگه جایی دیدید پیرمرد یا پیرزنی داره دست‌فروشی می‌کنه
هرچی که تونستید ازشون بخرید...

اونا بیزینس نمی‌کنند،
فقط دارند خرج روزانه‌شون رو در میارند

مقدار دهی جمعیت اولیه
. 2انتخاب پارامتر: اجازه می دهد تا انتخاب پدر و مادر برای نسل جدید در الگوریتم ژنتیکی مشخص شود.

. 3تولید مثل: قویترین افراد قادر به تکثیر و نسل بیشتری از دیگران خواهند بود.   هر کروموزوم شامل مجموعه ای از عناصر به نام ویژگی ها یا ژن ها است. هدف به دست آوردن حداکثر تناسب اندام از این  ترکیب بهینه عناصراست. در هر تکرار (نسل جمعیت) جمعیت جدیدی از جمعیت قبلی ایجاد می شود. عبور پارامتر: ترکیبی از دو فرد پدر و مادر را نشان می دهد که افراد کوچک را برای نسل جدید در الگوریتم ژنتیک تشکیل می دهد. جهش پارامتر: تغییر تصادفی یک کروموزوم فرد در یک جمعیت را مشخص می کند تا فرد متولد شده نسل جدید را تشکیل دهد.

4. تابع هدف (سازگاری) را محاسبه کنید و معیار توقف را بررسی کنید.

 .5 با یک جمعیت جدید تکمیل کنید و به مرحله دوم بازگردید.

مراحل لازم الگوریتم ژنتیک را می توان در فلوچارت نشان داده شده در شکل 3 خلاصه کرد.

شکل 3 فلوچارت الگوریتم ژنتیک.

در این کار و با استفاده از الگوریتم ژنتیک، هدف ما یافتن پارامترهای مطلوب ، از پایدار کننده پیشنهادی   GAPSSاست.
برای این منظور، ما تغییرات سرعت زاویه ای را انتخاب کردیم تا به حداقل برسانیم. با توجه به تابع هدف ( )  سازگاری توسط معیار زیر تعریف می شود:

به عنوان یک قاعده کلی، سیستم به طوری که معیار "انتگرال خطای مطلق ضرب در زمان" انتخاب شده به حداقل برسد بهتر تنظیم خواهد شد. پارامترهای الگوریتم ژنتیکی مانند اندازه جمعیت، احتمال عبور، احتمال جهش و تعداد تولید در جدول 1 آمده است. علاوه بر این، زمینه تحقیق پارامترهای سیستم در این جدول شرح داده شده است. جدول 2 پارامترهای مختلف سیستم را نشان می دهد که بین مقادیر بهینه شده و غیر بهینه شده تفاوت وجود دارد.

جدول 1. پارامترهای الگوریتم ژنتیک.

جدول 2. پارامترهای سیستم.

4. نتایج مدل سازی و بحث

برای برجسته سازی اثر پارامترهای PSS با الگوریتم ژنتیک، ما به عنوان یک اتصال کوتاه خطای سه فاز را پیشنهاد می کنیم.  خطاهای زیر به ترتیب شبیه سازی می شوند:

مرحله 1: این سیستم در حالت پایدار قبل از خطا قرار دارد.

مرحله 2: یک خطا در  ثانیه رخ می دهد.
مرحله 3: خطا با باز کردن شکاف خطا در   از بین می رود.

شکل 4. ولتاژ ترمینال پاسخ های ژنراتور.

شکل 5. پاسخ های نسبی سرعت

شکل 6. پاسخ های زاویه توان

شکل 7. پاسخ ولتاژ میدان.

شکل 8 . پاسخ های توان اکتیو

شکل 4، شکل 5، شکل 6، شکل 7 و شکل 8، به طور واضح اثربخشی بهینه سازی الگوریتم ژنتیک ( )  را نشان می دهند، که نتیجه عملکرد بهتر می شود؛ مقایسه نتایج به دست آمده قبل و بعد از بهینه سازی نشان می دهند که پاسخ سرعت (زمان پاسخ کوتاه)، سیستم پایدار (حذف بیش از حد). پاسخ بهینه با استفاده از  بسیار رضایت بخش است،

 نتایج به دست آمده پس از بهینه سازی توسط  نشان می دهد که با کاهش نوسان پایداری بهتر می شود.

پارامترهای ژنراتور مختلف در جدول 3 آمده است.

جدول. 3. پارامترهای سیستم

پارامترهای شبکه عبارتند از:

پارامترهای تحریک سیستم عبارتند از:

5. نتیجه گیری

هدف از این مقاله طراحی و به کارگیری یک روش برای بهینه سازی پارامترهای پایدار کننده سیستم قدرت با ساختار  است. برای حل این مشکل از روش حل الگوریتم ژنتیک استفاده می شود. به منظور ارزیابی عملکرد  خطای مطلق زمان انتگرال به عنوان تابع هدف برای به حداقل رساندن کنترل ارائه شده انتخاب می شود . رویکرد پیشنهادی نشان می دهد که پایداری سیستم قدرت  در هنگام اعمال یک اختلال اتصال کوتاه در سیستم بهبود می یابد.

مقدار دهی جمعیت اولیه
. 2انتخاب پارامتر: اجازه می دهد تا انتخاب پدر و مادر برای نسل جدید در الگوریتم ژنتیکی مشخص شود.

. 3تولید مثل: قویترین افراد قادر به تکثیر و نسل بیشتری از دیگران خواهند بود.   هر کروموزوم شامل مجموعه ای از عناصر به نام ویژگی ها یا ژن ها است. هدف به دست آوردن حداکثر تناسب اندام از این  ترکیب بهینه عناصراست. در هر تکرار (نسل جمعیت) جمعیت جدیدی از جمعیت قبلی ایجاد می شود. عبور پارامتر: ترکیبی از دو فرد پدر و مادر را نشان می دهد که افراد کوچک را برای نسل جدید در الگوریتم ژنتیک تشکیل می دهد. جهش پارامتر: تغییر تصادفی یک کروموزوم فرد در یک جمعیت را مشخص می کند تا فرد متولد شده نسل جدید را تشکیل دهد.

4. تابع هدف (سازگاری) را محاسبه کنید و معیار توقف را بررسی کنید.

 .5 با یک جمعیت جدید تکمیل کنید و به مرحله دوم بازگردید.

مراحل لازم الگوریتم ژنتیک را می توان در فلوچارت نشان داده شده در شکل 3 خلاصه کرد.

شکل 3 فلوچارت الگوریتم ژنتیک.

در این کار و با استفاده از الگوریتم ژنتیک، هدف ما یافتن پارامترهای مطلوب ، از پایدار کننده پیشنهادی   GAPSSاست.
برای این منظور، ما تغییرات سرعت زاویه ای را انتخاب کردیم تا به حداقل برسانیم. با توجه به تابع هدف ( )  سازگاری توسط معیار زیر تعریف می شود:

به عنوان یک قاعده کلی، سیستم به طوری که معیار "انتگرال خطای مطلق ضرب در زمان" انتخاب شده به حداقل برسد بهتر تنظیم خواهد شد. پارامترهای الگوریتم ژنتیکی مانند اندازه جمعیت، احتمال عبور، احتمال جهش و تعداد تولید در جدول 1 آمده است. علاوه بر این، زمینه تحقیق پارامترهای سیستم در این جدول شرح داده شده است. جدول 2 پارامترهای مختلف سیستم را نشان می دهد که بین مقادیر بهینه شده و غیر بهینه شده تفاوت وجود دارد.

جدول 1. پارامترهای الگوریتم ژنتیک.

جدول 2. پارامترهای سیستم.

4. نتایج مدل سازی و بحث

برای برجسته سازی اثر پارامترهای PSS با الگوریتم ژنتیک، ما به عنوان یک اتصال کوتاه خطای سه فاز را پیشنهاد می کنیم.  خطاهای زیر به ترتیب شبیه سازی می شوند:

مرحله 1: این سیستم در حالت پایدار قبل از خطا قرار دارد.

مرحله 2: یک خطا در  ثانیه رخ می دهد.
مرحله 3: خطا با باز کردن شکاف خطا در   از بین می رود.

شکل 4. ولتاژ ترمینال پاسخ های ژنراتور.

شکل 5. پاسخ های نسبی سرعت

شکل 6. پاسخ های زاویه توان

شکل 7. پاسخ ولتاژ میدان.

شکل 8 . پاسخ های توان اکتیو

شکل 4، شکل 5، شکل 6، شکل 7 و شکل 8، به طور واضح اثربخشی بهینه سازی الگوریتم ژنتیک ( )  را نشان می دهند، که نتیجه عملکرد بهتر می شود؛ مقایسه نتایج به دست آمده قبل و بعد از بهینه سازی نشان می دهند که پاسخ سرعت (زمان پاسخ کوتاه)، سیستم پایدار (حذف بیش از حد). پاسخ بهینه با استفاده از  بسیار رضایت بخش است،

 نتایج به دست آمده پس از بهینه سازی توسط  نشان می دهد که با کاهش نوسان پایداری بهتر می شود.

پارامترهای ژنراتور مختلف در جدول 3 آمده است.

جدول. 3. پارامترهای سیستم

پارامترهای شبکه عبارتند از:

پارامترهای تحریک سیستم عبارتند از:

5. نتیجه گیری

هدف از این مقاله طراحی و به کارگیری یک روش برای بهینه سازی پارامترهای پایدار کننده سیستم قدرت با ساختار  است. برای حل این مشکل از روش حل الگوریتم ژنتیک استفاده می شود. به منظور ارزیابی عملکرد  خطای مطلق زمان انتگرال به عنوان تابع هدف برای به حداقل رساندن کنترل ارائه شده انتخاب می شود . رویکرد پیشنهادی نشان می دهد که پایداری سیستم قدرت  در هنگام اعمال یک اختلال اتصال کوتاه در سیستم بهبود می یابد.