Optimal fractional‐order adaptive neuro fuzzy inference system‐based droop controller for DFIG ‐wind turbine to control load frequency of hybrid microgrid

2021 ◽  
Author(s):  
Hossein Asgharpour‐Alamdari
Keyword(s):  
Wind Turbine ◽  
Fractional Order ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Load Frequency ◽  
Hybrid Microgrid ◽  
Neuro Fuzzy ◽  
Control Load

Torque and pitch angle control of a wind turbine using multiple adaptive neuro-fuzzy control

2019 ◽  
Vol 44 (2) ◽  
pp. 125-141
Author(s):  
Satyabrata Sahoo ◽  
Bidyadhar Subudhi ◽  
Gayadhar Panda
Keyword(s):  
Wind Speed ◽  
Wind Turbine ◽  
Fuzzy Inference System ◽  
Pitch Angle ◽  
Fuzzy Inference ◽  
Adaptive Controller ◽  
Inference System ◽  
Proportional Integral ◽  
Simulink Model ◽  
Neuro Fuzzy

This article presents a multiple adaptive neuro-fuzzy inference system-based control scheme for operation of the wind energy conversion system above the rated wind speed. By controlling the pitch angle and generator torque concurrently, the generator power and speed fluctuation can be reduced and also turbine blade stress can be minimized. The proposed neuro-fuzzy-based adaptive controller is composed of both the Takagi–Sugeno fuzzy inference system and neural network. First, a step change in wind speed and then a simulated wind speed are considered in the proposed adaptive control design. A MATLAB/Simulink model of the wind turbine system is prepared, and simulations are carried out by applying the proportional integral, fuzzy-proportional integral and the proposed adaptive controller. From the obtained results, the effectiveness of the proposed adaptive controller approach is confirmed.

Application of imputation techniques and Adaptive Neuro-Fuzzy Inference System to predict wind turbine power production

Energy ◽  
2017 ◽  
Vol 138 ◽  
pp. 394-404 ◽  
Author(s):  
Majid Morshedizadeh ◽  
Mojtaba Kordestani ◽  
Rupp Carriveau ◽  
David S.-K. Ting ◽  
Mehrdad Saif
Keyword(s):  
Wind Turbine ◽  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Power Production ◽  
Inference System ◽  
Neuro Fuzzy

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

2017 ◽  
Vol 3 (1) ◽  
pp. 36-48
Author(s):  
Erwan Ahmad Ardiansyah ◽  
Rina Mardiati ◽  
Afaf Fadhil
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Inference System ◽  
Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Sign in / Sign up

Export Citation Format

Share Document