فهرست نشریات علمی دسترسی آزاد ایران

کنترل ریزشبکه‌ها به یکی از حوزه‌های کلیدی و گسترده پژوهش تبدیل شده است، زیرا راه‌اندازی و بهره‌برداری پایدار از این سیستم‌های پیچیده با چالش‌های فراوانی همراه است. در روش‌های سنتی، عمدتاً از کنترل‌­کننده‌های تناسبی-انتگرالی (PI) برای تنظیم فرکانس و ولتاژ استفاده می‌شود. با این حال، کنترل‌کننده‌های کلاسیک به دلیل وجود دینامیک‌های شدیداً غیرخطی و رفتارهای پیچیده در ریزشبکه‌ها، اغلب نمی‌توانند عملکرد مطلوب و پایداری را در تمامی شرایط عملیاتی و سناریوهای ممکن تضمین کنند و به همین دلیل، استفاده از الگوریتم‌های تطبیقی و هوشمند، به‌ویژه روش‌های مبتنی بر یادگیری تقویتی (RL)، ضروری به نظر می‌رسد. این الگوریتم‌ها توانایی یادگیری آنلاین و انطباق با شرایط متغیر را دارند و می‌توانند وظایف متنوع و حیاتی را به‌طور مؤثر انجام دهند. در این مقاله هدف ارائه یک تحلیل از توانایی کنترل‌کننده یادگیری تقویتی در روبرو شدن با تغییرات بار، نوسان­های منابع تجدیدپذیر و اغتشاش­های گذرا و نشان دادن برتری آن نسبت به روش‌های متداول کنترل است. ارزیابی عملکرد کنترل‌کننده پیشنهادی با استفاده از نرم­افزار متلب انجام می­شود و رفتار دینامیکی ریزشبکه با دو کنترل‌کننده کلاسیک افتی و کنترل­کننده PI مقایسه شده است. همچنین شاخص‌های کلیدی پایداری شامل زمان نشست، درصد فراجهش، خطای ماندگار، مقدار موثر، توان‌های اکتیو و راکتیو، وضعیت شارژ باتری و تغییرات ولتاژ و فرکانس تحلیل شده­اند.