Control Adaptativo Fraccionario Optimizado por Algoritmos Genéticos, Aplicado a Reguladores Automáticos de Voltaje

Marco E. Ortiz Quisbert, Manuel A. Duarte Mermoud, Freddy Milla, Rafael Castro Linares

Resumen

En este trabajo se presenta la técnica del control adaptable de orden fraccionario por modelo de referencia (CAOFMR), aplicada a los reguladores automáticos de voltaje (RAV). El artículo se enfoca en el ajuste de las ganancias adaptables y los órdenes de derivación de las leyes de ajuste del controlador CAOFMR, determinados por la minimización de una función criterio definida para el modelo simplificado del RAV, mediante la utilización de la técnica de optimización de algoritmos genéticos (AG). En base a un criterio de evaluación propuesto por otros autores, se realizan comparaciones, por medio de simulaciones, de la técnica de control propuesta con los resultados obtenidos por la técnica de control PID de orden entero (OEPID) (Zamani et al., 2009). Se muestra que el controlador CAOFMR con parámetros optimizados por AG, entrega mejores resultados en términos de robustez frente a variaciones en los parámetros del sistema controlado y mejoras en relación a la velocidad de convergencia hacia las señales de referencia del sistema RAV.

Palabras clave

Control Adaptativo de Orden Fraccionario por Modelo de Referencia; Control Adaptativo por Modelo de Referencia; Control Fraccionario; Regulador Automático de Voltaje; Algoritmos Genéticos; Optimización por Algoritmos Genéticos

Texto completo:

PDF

Referencias

Aguila-Camacho, N., Duarte-Mermoud, M. A., 2013. Fractional adaptive control for an automatic voltage regulator. ISA transactions 52 (6), 807–15.

Chapman, S. J., 2006. Maquinas Electricas. McGraw Hill.

Chatterjee, A., Mukherjee, V., Ghoshal, S., 2009. Velocity relaxed and craziness-based swarm optimized intelligent PID and PSS controlled AVR system. International Journal of Electrical Power & Energy Systems 31 (7- 8), 323–333.

Conceicao, I., 2008. Quantum Gaussian Particle Swarm Optimization Approach for PID Controller Design in AVR System. En: Proceedings International Conference on Systems, Man and Cybernetics. No. 2. pp. 3708–3713.

Gaing, Z.-L., 2004. A Particle Swarm Optimization Approach for Optimum Design of PID Controller in AVR System. IEEE Transactions on Energy Conversion 19 (2), 384–391.

Goldberg, D. E., 1989. Genetic Algorithms in Search, Optimization and Machine Learning. Reading, MA 3.

Holland, J. H., 1992. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. The MIT Press.

Kilbas, A. A., Srivastava, H. M., Trujillo, J. J., 2006. Theory and Applications of Fractional Differential Equations. Elsevier B.V., San Diego, USA.

Kim, D., Park, J., 2005. Intelligent PID Controller Tuning of AVR System Using GA and PSO. En: Huang, D.-S., Zhang, X.-P., Huang, G.-B. (Eds.), Advances in Intelligent Computing. Lecture Notes in Computer Science. Springer Berlin Heidelberg, pp. 366–375.

Kundur, P., 1994. Power System Stability and Control. McGraw-Hill, Palo Alto, California.

MathWork, 2014. Genetic Algorithm. URL: http://www.mathworks.com/help/gads/genetic-algorithm.html

Mitra, P., Maulik, S., Chowdhury, S. P., Chowdhury, S., 2007. ANFIS based automatic voltage regulator with hybrid learning algorithm. 2007 42nd International Universities Power Engineering Conference 1 (1), 397–401.

Mukherjee, V., Ghoshal, S., 2007. Comparison of intelligent fuzzy based AGC coordinated PID controlled and PSS controlled AVR system. International Journal of Electrical Power & Energy Systems 29 (9), 679–689.

Narendra, K. S., Annaswamy, A. M., 2005. Stable Adaptive Systems. Dover Publications Inc.

Oustaloup, A., 1991. La commande CRONE: commande robuste d’ordre non entier. Hermes.

Panda, S., Sahu, B., Mohanty, P., 2012. Design and performance analysis of PID controller for an automatic voltage regulator system using simplified particle swarm optimization. Journal of the Franklin Institute 349 (8), 2609–2625.

Valério, D., da Costa, J. S., 2004. Ninteger: a non-integer control toolbox for MatLab. En: Proceedings of the First IFAC Workshop on Fractional Differentiation and Applications, Bordeaux, France. pp. 208–213.

Zamani, M., Karimi-Ghartemani, M., Sadati, N., Parniani, M., 2009. Design of a fractional order PID controller for an AVR using particle swarm optimization. Control Engineering Practice 17 (12), 1380–1387.

Abstract Views

430
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. A model-based control scheme for depth of hypnosis in anesthesia
Luca Merigo, Fabrizio Padula, Andrzej Pawlowski, Sebastián Dormido, José Luis Guzmán Sánchez, Nicola Latronico, Massimiliano Paltenghi, Antonio Visioli
Biomedical Signal Processing and Control  vol: 42  primera página: 216  año: 2018  
doi: 10.1016/j.bspc.2018.01.023

2. About Extracting Dynamic Information of Unknown Complex Systems by Neural Networks
Eloy Irigoyen, Antonio Javier Barragán, Mikel Larrea, José Manuel Andújar
Complexity  vol: 2018  primera página: 1  año: 2018  
doi: 10.1155/2018/3671428



Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912