Neural Network-Based Real-Time Load Frequency Control for Modern Power Systems. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (Thesis) Affan Abbasi MS FT 202390630 Thesis.pdf Restricted to Repository staff only until 12 May 2027. Download (6MB)

Arabic Abstract

التحكم في تردد الحمل هو عملية استعادة تردد المنظومة إثر اضطرابات الأحمال والتوليد. لا تزال وحدات التحكم ذات الكسب الثابت المستخدمة على نطاق واسع في هذا المجال مصمَّمةً وفق نماذج خطية مبسَّطة، وكثيراً ما تعجز عن مواكبة الديناميكيات الأكثر تعقيداً لشبكات الطاقة الحديثة الغنية بمصادر الطاقة المتجددة. لذا، اكتسبت الشبكات العصبية الاصطناعية اهتماماً متنامياً بوصفها بديلاً مدفوعاً بالبيانات للتحكم في تردد الحمل، إذ تستطيع تعلُّم سلوك التحكم غير الخطي دون الحاجة إلى نموذج صريح للمنشأة. غير أن معظم الدراسات القائمة على الشبكات العصبية الاصطناعية لا تزال تُتحقَّق منها على نماذج دوال نقل منخفضة الرتبة أو نماذج مجال الموجيَّات، مما يُبقي أداءها في ظل ديناميكيات الظواهر الكهرومغناطيسية الكاملة غير مُتحقَّق منه إلى حدٍّ بعيد. تقدِّم هذه الرسالة أول تطبيق مباشر لوحدات تحكم من الشبكات العصبية الاصطناعية ذات الأوزان الثابتة المدرَّبة خارج الخط، بوصفها بدائل فعلية لقانون التحكم في تردد الحمل، مع التحقق منها عبر تنفيذ في الوقت الفعلي بحلقة مغلقة كاملة للظواهر الكهرومغناطيسية على منظومة IEEE ذات التسع حافلات، مع نماذج مفصَّلة لمحولات الطاقة الشمسية الكهروضوئية وبطاريات تخزين الطاقة العاملة في وضع تتبع الشبكة. تُطوَّر ثلاثة متغيرات من الشبكات العصبية الاصطناعية وتُقيَّم ضمن بنية موحَّدة لنظام التحكم التلقائي في التوليد تعتمد على خطأ التحكم في المنطقة: شبكة عصبية أساسية تحاكي وحدة تحكم مرجعية واحدة، وشبكة انتقائية تُحاكي أنظمة تحكم متعددة عبر تشييف قياسي، ووحدة تحكم مُقطَّرة من مزيج الخبراء تُقرِّب سياسة الخبير الأمثل المتغيرة زمنياً المنتقاة عيِّنةً بعيِّنة من مجموعة خطوط الأساس الكلاسيكية. تضمن الأوزان الثابتة استنتاجاً حتمياً ضمن خطوة الزمن للعتاد الصلب لمحاكي RTDS دون تكيُّف أثناء التشغيل. تحقق شبكة مزيج الخبراء أدنى قاع لتردد الشبكة وأدنى قيمة لمعيار التكامل المطلق للخطأ عند خطوة الحمل النموذجية، مع تحسين متسق عبر خمسة سيناريوهات اضطراب. يُؤكِّد تقييم ليابونوف المستند إلى الإشارات على بيانات محاكي RTDS المسجَّلة السلوكَ الانكماشي للمتغيرات الثلاثة جميعها. كما تُظهر اختبارات الحساسية لتأخير اتصال خطأ التحكم في المنطقة تدهوراً ضئيلاً عند 0.2 ثانية و1.0 ثانية.

English Abstract

Load frequency control (LFC) is the process of restoring the system frequency after load and generation disturbances. The conventional fixed-gain controllers still widely used for LFC are designed around simplified linearized models and often cannot keep up with the more complex dynamics of modern renewable-rich grids. Artificial neural networks (ANNs) have therefore attracted growing interest as data-driven alternatives for LFC because they can learn nonlinear control behavior without requiring an explicit plant model. However, most ANN-based LFC studies are still validated only on low-order transfer-function or phasor-domain models, leaving their performance under full electromagnetic-transient (EMT) dynamics largely unverified. This thesis presents the first direct deployment of offline-trained, fixed-weight ANN controllers as actual replacements of the LFC control law, validated through closed-loop full EMT real-time execution on an IEEE 9-bus system with detailed grid-following photovoltaic and battery energy storage converter models. Three ANN variants are developed and evaluated under a common ACE-based AGC structure: a Basic ANN that imitates a single baseline controller, an ANNselector that emulates multiple controller regimes through scalar conditioning, and a distilled mixture-of-experts controller (ANN-MoE) that approximates a time-varying best-expert policy selected sample-by-sample from a classical baseline set. Fixed weights guarantee deterministic inference within the RTDS hardware time step without online adaptation. ANN-MoE achieves the lowest frequency nadir and lowest IAE at the representative load step, with consistent improvement across a five-case disturbance sweep. A signal-based Lyapunov assessment on logged RTDS data confirms contracting behavior for all three variants. ACE communication delay sensitivity tests show negligible degradation at 0.2s and 1.0s.

Item Type:	Thesis (Masters)
Subjects:	Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Thesis Advisor:	Muhammad Khalid,
Thesis Committee Members:	Muhammad Suhail Shaik, Muhammad Gulzar,
Depositing User:	AFFAN ABBASI (g202390630)
Date Deposited:	14 May 2026 08:45
Last Modified:	14 May 2026 08:45
URI:	https://eprints.kfupm.edu.sa/id/eprint/144251