مهدی احمدی جیردهی

با افزایش نفوذ منابع تولید پراکنده و انرژی‌های تجدیدپذیر در شبکه‌های قدرت مدرن، تضمین پایداری ولتاژ لینک DC به‌ویژه در شرایط تهدیدات سایبر–فیزیکی به چالشی اساسی تبدیل شده است. روش‌های متداول از جمله کنترل‌کننده‌های تناسبی–انتگرالی (PI) و حتی بسیاری از الگوریتم‌های هوشمند نوین به دلیل نیاز به مدل‌سازی دقیق یا بازآموزی گسترده، در مواجهه با حملات پیش‌بینی‌نشده و داده‌های جعلی کارایی محدودی دارند. در این مقاله یک راهکار نوآورانه مبتنی بر سیستم استنتاج عصبی–فازی تطبیقی (ANFIS) پیشنهاد شده است که با بهره‌گیری هم‌زمان از قابلیت یادگیری شبکه‌های عصبی و استحکام منطق فازی، به‌صورت بلادرنگ پارامترهای کنترلی را تنظیم می‌کند. نوآوری اصلی این پژوهش در توانایی تشخیص و مقابله خودکار با حملات پیچیده‌ای نظیر تزریق داده جعلی (FDIA)، حملات منع سرویس (DoS) و تغییر بار سایبری بدون نیاز به مدل از پیش تعریف‌شده یا آموزش مجدد گسترده نهفته است. شبیه‌سازی‌ها بر روی سیستم آزمون IEEE-13 باس مجهز به منابع خورشیدی و بادی در محیط MATLAB/Simulink نشان می‌دهد که روش پیشنهادی در مقایسه با کنترل‌کننده‌های PI و هوشمند مرسوم، پایداری ولتاژ لینک DC را به‌طور قابل‌ملاحظه‌ای بهبود می‌بخشد، زمان بازیابی را کاهش داده و تاب‌آوری شبکه را در برابر اختلالات افزایش می‌دهد. به این ترتیب، کنترل‌کننده ANFIS توانسته است بر کاستی‌های روش‌های متداول فائق آمده و راهکاری عملی برای استقرار در شبکه‌های هوشمند و مقاوم ارائه دهد.