Neuro-Fuzzy Adaptive Model Predictive Control for Enhanced Voltage Stability in Transmission Systems

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel dual-matrix adaptation algorithm for voltage stability control with potential application to renewable-rich grids.

🏢実務担当者:Offers a real-time adaptive control method that could improve voltage restoration performance in transmission networks.

<title>抄録</title> <p>現代の高圧（HV）送電ネットワークは、急速な負荷増大と再生可能エネルギー源の確率的統合によりますます逼迫しており、系統は危険なほど臨界安定余裕に近い状態での運用を余儀なくされている。電圧崩壊—母線電圧の進行性かつ不可逆的な低下が大規模停電に至る現象—は、この運用ストレスの最も深刻な結果を表す。モデル予測制御（MPC）は、系統的な制約を考慮した軌道最適化を電圧調整に提供する一方、従来の実装は静的加重行列に依存しており、深刻な外乱時には最適ではなくなる。本稿では、適応型ニューロファジィ推論システム（ANFIS）に基づく新規のMPC戦略を提示する。これは、状態ペナルティ行列Qと制御努力ペナルティ行列Rの両方をリアルタイムで同時に共適応させる—従来のANFIS-MPCアプローチでは同時に提供されていない二重行列適応能力—ものである。12,000のシミュレーションサンプル（N-1、N-2、および再生可能エネルギー変動シナリオを網羅）で訓練されたSugeno型ANFISは、リアルタイムの電圧誤差とその変化率を用いて適応を駆動する。臨界N-2事故条件下でのエチオピアの400 kVおよび230 kV送電ネットワークの高忠実度モデルで検証した結果、ANFIS-MPCは電圧回復速度において68.7%の改善（従来のMPCの4.8秒に対して1.5秒）を達成し、電圧ナディアを0.81 p.u.から0.91 p.u.に引き上げ、系統を臨界V-Q鼻点より上に維持する。これらの知見は、AI駆動の二重行列適応が、発展途上の電力インフラにおける長距離送電回廊の確保にとって不可欠な進歩であることを確立するものである。</p>

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

<title>Abstract</title> <p>Contemporary high-voltage (HV) transmission networks are increasingly strained by rapid load growth and the stochastic integration of renewable energy resources, forcing grids to operate perilously close to their critical stability margins. Voltage collapse—the progressive, irreversible decline of bus voltages culminating in widespread blackouts—represents the most severe consequence of this operational stress. While Model Predictive Control (MPC) offers systematic, constraint-aware trajectory optimisation for voltage regulation, conventional implementations rely on static weighting matrices that become suboptimal during severe disturbances. Here we present a novel Adaptive Neuro-Fuzzy Inference System (ANFIS)-based MPC strategy that simultaneously co-adapts both the state penalty matrix Q and the control effort penalty matrix R in real time—a dual-matrix adaptation capability not simultaneously provided by prior ANFIS-MPC approaches. A Sugeno-type ANFIS trained on 12 000 simulation samples (covering N-1, N-2, and renewable fluctuation scenarios) uses real-time voltage error and its rate of change to drive the adaptation. Validated on a high-fidelity model of the Ethiopian 400 kV and 230 kV transmission network under critical N-2 contingency conditions, the ANFIS-MPC achieves a 68.7 % improvement in voltage restoration speed (1.5 s versus 4.8 s for conventional MPC) and elevates the voltage nadir from 0.81 p.u. to 0.91 p.u., keeping the system above the critical V-Q nose-point. These findings establish that AI-driven dual-matrix adaptation is an essential advancement for securing long-distance transmission corridors in developing power infrastructures.</p>

• Research Square https://doi.org/10.21203/rs.3.rs-9758864/v1first seen 2026-06-04 04:24:23 · last seen 2026-06-17 04:35:06