Indonesi an  Journa l  of El ect ri cal Engine er ing  an d  Comp ut er  Scie nce   Vo l.   23 ,  No.   1 ,   Ju ly   2021 , p p.  98 ~ 109   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v 23 .i 1 . pp 98 - 109       98       Journ al h om e page :  http: // ij eecs.i aesc or e.c om   Intellig en t voltage  regulator f or distribu ted   ge n eration - bas ed  network       Zw awi Ham adouc he 1 , M ouni r Khia t 2 ,   M uha m ma d  As ad  I qb al 3   1, 2 Scamre  L abor at or y ,   Depa r tment  of El ec tr ic a l E ngine er ing, Nat i onal   Pol y t ec hn ic   School  of   Oran - Mauric e   Audin  (ENPO - MA ),   Alger ia   3 Depa rtment  MS   Elec tr ical Engi n ee ring ,   Com sats  Univer sit y ,   Paki stan       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Feb   8 , 2 021   Re vised  Jun   8 ,   2021   Accepte d  J un  1 8 , 202 1       Pow er  grids  are  bei ng  tra nsfor m ed  int o  a   sm art   distri bu ti on  n et work  that   inc orp ora te s  m ult iple  distri but ed   ene rg y   r esourc es  (DERs),  ensuring  stabl e  oper ation  and  i m prove d  power  qual ity   at   th e  sam e  ti m e.   Ma n y   rese arc h   pape rs  have   b een  publi shed  in  r ec en t  y ea rs  th at   discuss  the   volt a ge  viol a ti o n   issues  tha t  emer ge  from   the   hig h  pene tr a ti on   of  distri bute d   gene r at ion  (DG ) .   In  thi s  pap er,   w e  propose  a   new   opti m al   vol ta g e   cont rol   techniq ue  base d  on   fee dforward  n eu ral   net works   (FF NN )  to  m ai nta in  a  stable  voltage  profi le.   MA TL AB®/S imulink®  has  bee n  used  to  c a rr y   out  th e  sim ula ti on .   Th e  sim ula ti on  resul t s  show   the   eff ici ency   of  thi s  m ethod  in  voltage  c ontrol .   The   proposed  appr oac h  ensure d  a  stabl e  voltage  profil e  for  the  conside red   sche m es .   Ke yw or ds:   Ar ti fici al  n e ur a l netw ork   Distrib ution sy stem   So la r  p a nel   Vo lt age  contr ol   W i nd tu r bin e   Th is i s an  open   acc ess arti cl e   un der  the  CC  B Y - SA   l ic ense .     Corres pond in g  Aut h or :   Zwa wi H am ado uc he   Scam re Lab ora tory,  De par tm e nt of Elect rical  Enginee rin g   Nati on al   Po ly t echn ic   Scho ol  of Oran - M au ri ce A ud i n (ENP O - M A) ,  A l ger i a   Em a il : ha m ado uch e 92zo ua ou i @g m ai l.co m       1.   INTROD U CTION   The  ea rlie r  el e ct rical   syst e m s   le ver a ge  a   ce nt rali zed  m od el .  I n  this   m od el , th e  ass ociat ed  l arg e   po wer  plants  em plo y  hig h  power   gen e rato rs.   T he   gen er at ors  are  interco nnec t ed  to  the  unde rly ing   tran sm issi on   netw ork.   Also ,   in  this  m od el ,  the  transm issi on   syst em   is  e m plo ye d  in  the  trans portat ion   of   the  ge ne rate d  energy  that  is  us ua ll y  fr om   t he  central  po w er  plants  to  th e  resp ect ive  c on s um ers.   It  is  no te w ort hy  th at   the   energy  is   usua ll y  trans m itted  ov e r  lo ng   distances.  Ba se d  on  this,  high - vo lt age  values  a r e  dem and ed  f or  the   eff ect ive ness   of  the   syst em .  At  the   substat ion s   that  a re  i n  cl os e  pro xim i ty   to  the  c ons um ption   ce nters,   t he   energy  ca n  be  distrib uted  via   seve ral  li nes  with  r el at ively   lowe r - rated   powe r  a nd  s hort er  le ngth .  I n  ge ner al ,   the  co nv e ntio na l  distribu ti on   syst e m   m od el   exp loit s  a  powe r  fl ow   th a t  is  based   on  a  on e  way  fro m   the   transm issi on  to  the  distrib utio n netw ork (D N )  [ 1 ] , [ 2].   More ov e r,  w it h  c urren t de velop m ent,  the   e xi sti ng   ce ntrali zed  m od el   co nc ept  ha s  bee n  re viewe d  with   grow i ng  at te nti on  in   the   distri bu te d  m od el .  This  is  i n  a n  e ffor t  t o  harnes s  va rio us   ene r gy  res ource s  i n  wh ic h  sm a ll   po wer   plants  can  be  de plo ye d  i n  a  dis per se d  m ann er .  This  idea  is  ty pical ly   ref err ed  to  as  a  distr ibu te d  gen e rati on  (DG) .   It  sho uld   be  no te d  t hat  the  a forem entio ne d  e ne rg y  r eso ur ces   are   usual ly   associat ed  wit h  ren e wa ble  ene rg ie s  with  a  ty pical   po we r   rati ng   lo wer  than  50  MW   [ 1 ] - [ 3].  Furtherm or e,  the re  are   po s sibil it ie s  of  D G  un it   c onne ct ion s  t o  the   syst e m .  This  c an  be  re al iz ed  at   diff e re nt  vo lt age  le vels  th at   are  us ua ll y from  the low to hig h v oltage.   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       In te ll igent v oltag e  re gu l ato r f or   distri bute d gen e ra ti on - bas ed netw or k ( Z wawi  Hama douch e)   99   Additi on al ly ,  t he  DG   i nteg rati on   t o  the  netw ork  c hanges  t he   syst e m   con tr ol.  Be sides ,  it   changes  t he   qu al it y  of  el ect rical   power,  r esulti ng   i n  ce rtai n  co ns trai nts   on  the  operati on  an d  functi onin g  of   t he  networ k  [1 ] - [ 4].   This   c an  be  at trib ute d  to   the  fact  t hat  the  ne w  producti ons  by  t he  DG  we re  not  co ns i der e d  in  the  desig n  of   c urre nt  syst em s  [4 ] .  In   ce rtai n  cas es,  the  im ple m entat ion   ca n  bri ng   a b ou t  a n  el ect ric  powe r  qual it y  ind ic es  dete rio rati on.  O n  the  oth e r  ha nd,  it   can  res ult  in  in dices  i m pr ove m ent.  Fo r  i ns ta nce,  the  al te r at ion   in   the  syst e m   ca n  res ult  in  the   occurre nce  of  reacti ve  ene r gy  flo w,   as  w el l  as  the  network   a nd  tra nsfo rm er   ov e rloa ds .   Be sides,  the  syst e m   is  pr one  to  ove r - vo lt age s  and   subse quently ,  it   resu lt s  in  powe r  qual it y   deterio rati on  [ 5].  I n  co ntrast ,  de plo ym ent  of   the  bac k - up   un it s  nea r  en ough  to  the  c enter  w he re  th ey   are  dem and ed hel ps i n  sa ving t he t ran sm issi on  pow e r  e xpense   as   well  as t he r el at ed  tran sm is sion l os ses  [1].   As  a forem entio ne d,  the re  is  a   cl os e  c orrelat ion  bet wee n  D G  a nd  re ne wabl e  energies.   I n  this  co ntex t ,   there  has  been  a  nota ble  de vel op m ent  in  the  wind  a nd   sun  r enew a ble  e nergies.  Also,  thei r  em plo ym ent  in  the  sys tem   pr esents  a  chall eng e  no t  only   reg a r ding  the  eff ic i ent  and   sa fe  operati on  but  al so   on  the  unde rly ing  netw ork  c ontr ol.  T o  s om e  extent,  t he  iss ue  ca n  be  a ddress ed  by  m eans  of  m ic ro gr i ds .  Mi cr ogr ids  are   el e m ents  that  m anag e  res our ces  in  a  distrib uted   ene rg y   in   a  m or e  dep e ndable   an d  dece ntrali zed  way.   Ba sed  on   this ,  not  on ly   the  con tr ol  bur den   on   the  gr i d  can  be   re du ce d  bu t  al so  their  fu ll   be ne fits  can  be  ef fe ct ively  exp l oited  [1 ] - [ 6].  Mo re ov e r,   dep e ndin g  on  t he  gen e rati on  a nd  loa d  ty pe   be ing   de plo ye d,  m ic ro gri ds  ca n  be  ac   or   dc  [ 7].  Als o,   powe r  flo w   can  be  c ontr ol le d  in  op ti m a l  m ann ers   bet ween  the  m ic ro gri d  an d  t he  public  netw ork  us i ng  an  appr opria te   interface.  Be sides,  a  sm art  gr id  has   been   prese nt ed  to  facil it at e  sel f - m anag em ent in th e  netw ork [8] .   Con ce pt ually ,  a  s m art  gr id  offe rs  dy nam ic  op ti m iz ation   usi ng   real - ti m e   m easur em ents  to  en han ce   the  syst em   per form ance  and   ens ur e  e ff ect iv e  m anag em ent  in  va rio us   as pects  su c h  as  losses,  sec uri ty ,  an d  vo lt age   le vels.   Ba sed  on   t he  data  gat her e d  t hro ugh  the  sm art  gri d  a nd   it s   subsyst em s,  t he  be st  ap proa ch  to   ens ur e  s uitable   syst e m   op erati on   by  the  syst em   op erat or s  ca n  be  prom ptly   identifie d  [8 ] ,  [ 9].  T her e  a re  so m e   effor ts  in  w hic h  the  insertio n  of   D G  energ y  pr oduce rs  in to  the  DN s  ha ve  bee n  co ns idere d  to  analy ze  the  s yst e m   per for m ance.  O ne  of  su c h  s hows   the  be nef it s  of   D G  instal la ti on s  f or  po wer   ge ner at io n  in  t he   distrib ution  sy stem .  The  w ork  al s o  pr ese nt s  nota ble   en ha ncem ent  that  c an  be  ac hieve d  in   the   dist ribu ti on   syst e m ’s  vo lt a ge  prof il e  as   well   as  a  redu ct ion   in   th e  el ect ric  syst e m   l os ses  [ 10 ] .  Als o,   t he  e ff ect s  of   wind   energy  tu rb i ne s  co nn ect io n  on  the  volt age  pro file   are  c on si der e d  in   [ 11 ] .  Be sides,  the   lo ad  fl ow   pro ba bi li stic   te chn iq ue  is  e m plo ye d  to  stu dy  the  relat ed   eff ect s  on   volt age  qual it y  when  wi nd   t urbin es   are  interc on nected   with  the  D Ns  [ 11 ] ,  [ 12] .  Li ke wise,  the   analy ti cal   m e tho d  im ple m entat ion s  for  in flue nce s  of  the  wind  powe r   plant  ( WPP )  on th e  syst em ’s  reli abili ty  h ave  b ee n pr ese nte d [12].   More ov e r,   vol ta ge  con tr ol  can  be  ind e pe nd e nt - base d  and   c ooper at i ve - base d  [ 13 ] .  Likewise,  a   gen et ic   c ode - ba sed  al gorithm   can   al so  be   e m plo ye d  for  volt age  regulat ion   [ 14] .  Also,  vo lt age  c on t ro l   can  be   achieve d  by  e m plo yi ng   an   a ppr oach  that  is   base d  on  reacti ve  po wer  (RP )  c om pen sat io n.   Sim il arly ,  a  m et ho d  that  em plo ye d  st at ist ic al   analy sis  and   ca n  be  us ed   f or  re gu la ti ng  the   volt age  a fter  th e  ene rg y  pro ducer ’ s   insertio n  ha s  be en  prese nted  [15]  Be sides,  an  al gorithm   t hat  can  be  em plo ye d  f or   c ontrolli ng   t he  vo lt age   us in g  RP  of   en erg y  pro ducers   has  been   pr es ented  [ 16 ] .  Als o,   i t  sh ould  be   no te d  that  in  a  giv en  netw ork,   t he   op ti m al  sitting   of the  ge ner at ors is im per at iv e to im pr ove th e volt age  prof il es [17 ] .   In   this  pa per ,  we  prese nt  a  ge ner al iz ed  m od el   f or   a  DN   t ha t  is  interconne ct ed  with  a  s olar  pa nel - ty pe   and  wi nd  tur bi ne  po we r  ge ne rators  to   anal yz e  the  va ried   natu re  of  the   volt age.  I n  a dd it io n,   we  c onside r   eff ect ive  m eans  for  optim al   r egu la ti on  by  le ver a ging  an  a rtific ia l  neu ral  ne twork  ( A NN) techn iq ue.   E xt ensiv e   si m ulati on s  ar e  carried  out  with  MATL A B®/ Si m ulink ®   to  substanti a te   and   s upport  the  pr e sente d  con t ro l   m od el s.  The  rest  of   this  pap e r   is  or ga nized  a s  fo ll ows:  in  Sect ion   2,   the  e m plo ye d  m a the m at ic al  m od el s  fo r   el ect rical   ener gy  producti on  with  the  m a in  fo c us   on  the  s olar  pa nel - ty pe   ener gy  ge ne ra tor  as  well   as  a  wind  powe r  pro duce r  are  c onside re d.   Also,  dif fere nt  de velo pm e nt  sta ges  of   i nt el li gen t  vo lt ag e  regulat ors  f or  the   PD Es  a re  co nsi der e d  in  Sect i on   3.   In   Sect io n  4,  we  pr e sen t  resu lt s  an d  di scussion.  I n  Se ct ion   5,  we  present   the concl udi ng r em ark s.       2.   RESEA R CH MET HO D   Th is  sect io n  presents  t he  em plo ye d  m at hem at ic al   m od els  for  el ect rical   energy  pr oduc ti on .  In   t hi s   reg a rd,  we  f oc us   on  the  so la r   pan el - ty pe  e ne rg y  ge ner at or  that  is  cou ple d  to  the  gri d  vi a  the  inv erter  syst e m   and a  wind  power   pro ducer t hat is co uple d  t o  the  gr id  us i ng a sy nchr onou s g e ner at or. A l so , we  de velo pe d  a nd  m od el ed  a  ty pi cal   con fi gurati on   of   these  generator s  us in g  MATLAB ®/Si m ul ink ®  platf or m .  Fu rthe rm or e ,  w e   pr ese nt a nd explai n  a  sim plifi ed diag ram  o f a  ty pical  contr ol for eac h ge ne rator.     2.1 .      Win d  tur bine m od el   The  interact io n  betwee n  the   wind   ro t or   an d  wind  is  usu al ly   e m plo ye d  fo r  represe nting   the  wind   tur bin e  ae rody nam ic s.  The  fe at ur es  of   t his  a erodynam ic   ca n  be  desc ribe d  us in g  the  disc  t heory.  Ba se d  on  the  Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  98   -   109   100   theo ry,  the  a va il able  wind  powe r,    ,  ai m e d  at   a  pa rtic ul ar  disc  s wep t   by  m eans  of  the  r otor  ca n  be  determ ined.   B esi des,  the   c onnecti on  betwee n  t he      an d  the   extracte d  pow er  from   the  r oto r ,  ,  is   def i ne d  thr ough the  d is c theory . Also , t he  insta ntane ous  powe r,    , ca n be e xpres sed  a s [ 4 ]      = 1 2 ρ 3   (1)     wh e re  ρ  de no t es  the  ai r  den s it y  in  kg /m 3 ,  a  re pr ese nts  th e   swe pt  area   by  the  ro t or  in  m 2 ,  an d  v  de no t es  the   wind  velocit y i n  m /s. A lso,  th e w in d  t urbine ’ s pow e r  c oe ff i ci ent is d e fine d as   (2)      =   (2)     m or eov er , usin g ( 1 )  a nd ( 2 ) , t he  e xtracted  po wer f ro m  the roto r  ca n be  defi ned  a s [1]     = 1 2  2 3    (3)     wh e re  r den ote s the  ro t or r a diu s  of the  wind  tur bin e i n  m .   Also ,  the  ex e rted rotat io nal to rque  on the  turbine  by the  w i nd can  b e   ex pr essed de fine d  a s   ( 4)     = Ω     (4)     wh e re  Ω   repr esents  the  tur bin e  r otor’s  a ngular  m echani cal   velocit y  i n  rad /s .  It  sho uld   be  no te d  that  the   aforem entione d param et ers  are em plo ye d  in  the  wind tu r bin e m od el in g.   In   gen e ral,  the   conve ntion al   s yst e m   dep en ds  on   t he  el ect rici ty   delivery  from   the  po we r  pro duce r   plant  to  res pe ct ive  custom ers  thr ough  the  DN.  T his  res ul ts  in  un i direc ti on al   flo ws .  I n  co ntra st,  the   D G   integrati on  res ults  in  bid irect ion al   flo ws  of   the  associat ed   act ive  power   ( AP )   i n  the  D N s.  Furthe rm or e,  in  a   scenari o  w he re   the  pro duct io n  s urpasses  t he   consum ption,  the  fl ows  ca n  be  t owar d  th e  trans port  net works.  This  sit uation  can  prese nt  a  con si der a ble  inf luence  on   the  m at erial s  that  are  norm al ly  un idirect io nal  s uch   a s   equ i pm ent  prot ect i on ,   an d  m easur em ent  de vi ces,  in   the   D N s.  Mo re ov e r,  a  powe r  flo w  reversal   in   the   gri d  ca n  be  induce d  by  the  DG   c onnec ti on ,  res ulti ng  in  bid irect io nal   flow s .  Co ns eq uen tl y,  D G  pre sents  com patibil ity  issue  bet wee n  the  cu rr e nt  ne twork  a nd  th e  introd uced  e nergy.   T his  de m and s  m od ific at ion   of   t he  e xisti n g  el ect rical  n et w ork prote ct io n plan  [ 4 ].   More ov e r,   t he  DG   i nteg rati on   can  le a d  to  a   r ise   in  the  te ns i on  w hich  can  r esult  in  a n  ov e rvolta ge  i n  the  net wor k.   F or  instance ,  ba sed  on  ( 2),  for   co nn ect i on s   be tween  a   sin gl e  powe r  ge nerat or   a nd  the   node ,  N,  the volt age  drop  betwee n  the   N  c onnecti on  point a nd the  sour ce  stat ion   ca n be e xpresse d as [ 4 ]     ∆ = ( − ) + ( ± − ± )   (5)     = −   (6)     = ± − ±   (7)     wh e re  ,  ,  a nd    are  the   AP   at   no de  N,  A P  s uppl ie d  by  t he  ge ne rator,  a nd  AP   consum ption ,   r especti vely ,   ,  ,  and    rep r ese nt  the  RP  at   no de  N,   RP  sup plied  by  th e  ge ne rator,  a nd   R P  c on s um ption ,  re sp ect ivel y,  and    denotes t he  RP c om pen sat ion   dev ic e .   More ov e r,  to  dem on strat e  th e  i m pact  of  th e  D G  inte gr at i on,  we  c onsid er  a  sc ena rio  with  a  ty pical   netw ork  that  ha s  N  nodes  a nd  wit h  co nnect ed  N   loa ds   as  dep ic te d  in  Fi gure  1.  D ur i ng  distrib ution,  th ere  will   be  vo lt a ge  dro ps   am ong  the   s ource  a nd  c onne ct ion  point, Nj.  Th e   ass ociat ed  vo lt a ge  dro p  ca n  be  e xpre ssed  a s   [ 18 ] .      ( ) = ∑ ( ∑ ) . + ∑ ( ∑ ) . < = 1 = 1 < = 1 = 1     (8)     wh e re  P j   an d  Q j   den ote  the  AP   an d  RP  at   the  node  N j ,  U so urce  is  the  upstream   vo lt age  of   the  short - ci rcu it   i m ped ance  ( R 1 ; X 1 ), j  =  1 ,   2 ,   ….   n,  a nd  n de no te s  the  node s.   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       In te ll igent v oltag e  re gu l ato r f or   distri bute d gen e ra ti on - bas ed netw or k ( Z wawi  Hama douch e)   101       Figure  1 .   LV  net work with out D G  inte gr at io n       2.2 .      P V  cel l  m od el   The  PV   cel l  can  be  m od el ed   us ing   a  diod e,   a  ph oto   c urre nt  so urce,  a  pa rall el   resist or ,  and   a  series   resist or.  In this  context, t he o utput cu rr e nt  of the  P V  cel l c an be  def i ned a s [ 19 ] , [ 20 ]     = ℎ − [ exp ( + ) − 1 ] − + ℎ   (9)     wh e re  Iph  is  t he  s hort - ci rc ui t  current  due  to  s un li ght  ( ph otons),  I d  de note s  the  s hunt ed  c urren t  t hro ugh  t he  diode,  V  denot es  the  vo lt age   on  the  lo ad ,  I  i s  the  c urren t  t hr ou gh   t he  loa d,  Rs  an d  Rs h  re pr ese nts  the   pa rasit ic   series a nd shu nt  r esi sta nce  of t he  a rr ay , res pe ct ively , and V T is g i ven as  [ 20 ]     =   (10)     wh e re  k  de not es  the  Bolt zm a n’ s  c onsta nt  (1.38×1 0− 23  J/K ),   q  is  the  el ec tro n  cha r ge  ( 1.6×10− 19  C )  a nd   T c   denotes t he  te m per at ur e of t he op e rati ng m odule  ( ° C)   [ 21 ] .   Fu rt her m or e,   the  photo c urre nt   Iph  is  a  f un ct ion   of  the  s ola r  irra dia nce  re cei ved   by  the   so la r  cel l  as   well  as its t em per at ur e a nd ca n be e xpresse d as [ 19 ] - [ 22 ]     ℎ = [  + ( −  ) ] .   (11)     wh e re  α   =  0:0012  ×  Isc  denotes  the  te m per at ur e   coe ff ic i ent  in  ( A/K ),   I sc  is  the  s hort - ci rcu it   c urren t ,  Tre f   represe nts at re fer e nce c onditi on s  (2 98 K) a nd  G denote s t he  so la r  irr a dia nc e level  (k W / m 2 ).   More ov e r,  to  de velo p  a   P V  m o dule ,   there   is  a  nee d  f or   so la r  cel ls.  These   a re  us ua ll y  inter connecte d  in  series   a nd  pa rall el .  W it h  re gards  t o  a   sin gl e - cel l  ci rcu it   m od ule,  the   rel at ion s hip   betw een  t he  P V  m od ule ’ s   vo lt age  and  cu rr e nt can be  e xpress ed  as  [ 19 ]     = ℎ − [  { ( + ) } − 1 ] − + ℎ   (12)     wh e re    an d    re pr ese nt the  s olar  cel ls wit hi n a m od ule that a re c onnected  in  ser ie s a nd  paral le l.     2.3 .       Im pa c t o f  t he inser tio n  of DG  on the   vo l tage  profi le   In   t his  s ubsect ion,  we  dem on s trat e  the  DG  im ple m entat ion   i m pact  us in g  a  3− ph a se  L V  syst e m .  The   syst e m   is  m od el ed  as  well   a s  sim ulate d  on  the  M ATL A B®/ Si m ulink ®   platf or m   as  il lustrate d  in  Figure  2.   Also ,  we  em plo y  (8)  to  e val ua te   the  volt age  dro p  at   the   resp ect ive  no de.   F ur t her m ore,  the  net wor k  unde r  consi der at io n  com pr ise s  14  nodes  a nd  10  loads  (P   a nd  Q) .   Mo reover ,   a  160− kVA ,  20 = 0:4 − kV  ste p - dow n  Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  98   -   109   102   trans form er  is  us e d  to  s upply  the  loa ds .  We  us e  this  netw ork  as  a  case  st udy  due  to   t he  e asy   identific at ion   of  the  surge  ph e no m enon.   Be s ides,  at   the  co ns ide red   volt age  le vel,  the  r especti ve  li nea r  resist ance  is   m or e   i m per at ive  co m par ed  with  t he  relat ed  li ne ar  reacta nc e  (i .e.  R  X ).   It  s houl d  be  note d  that  we  co ns i de r  tw o  zon e s  (i.e.  1  and   2)   a nd   t he  r especti ve  zo ne   denotes  a  distrib ution   li ne.   Also ,  t o  dem on strat e  the  D G   i m pact,   we  c onsider  sc enar i os   withou t and with  DG  insertio n.           Figure  2 .   MAT LAB®/Si m uli nk® sim ulati on   of LV net work with out D G i ntegr at io n       a)   W i t h o u t   D G :   T h e   v o l t a g e   d r o p   a t   t h e   r e s p e c t i v e   n o d e   i s   e v a l u a t e d   u s i n g   t h e   v o l t a g e   p r o f i l e   w i t h o u t   D G   i n   F i g u r e   2 .   I n   t hi s   s c e n a r i o ,   5 0 %   a n d   1 0 0 %   l o a d   s t a t e s   a r e   c o n s i d e r e d .   S i n c e   n o   D G   i s   e m pl o y e d ,   t h e   n e t w o r k   i s   b a s e d   o n   a   c o n v e n t i o n a l   o p e r a t i o n   i n   w h i c h   v o l t a g e   d r o p s   o c c u r   b e t w e e n   t h e   s o ur c e   s t a t i o n   a n d   t h e   c o n s um p t i o n   p o i n t s .   S i m u l a t i o n   r e s u l t s   p r e s e n t e d   i n   F i g u r e   3   s h o w s   t h a t   f o r   a   f u l l   l o a d   ( 1 0 0 % )   s i t u a t i o n   i n   b o t h   Z o n e   1   ( 3 ( a ) )   a n d   Z o n e   2   ( 3 ( b ) ) ,   t h e   v o l t a g e   g e t s   t o   l o w   v a l u e s   t o w a r d s   t h e   e n d   o f   t h e   l i n e .   b)   W it h  D G:  In   this  par t ,  we  c onside r  the  inse rtion   of  a  so la r   pan el - ty pe  ( no de  11)  an d  wi nd  tur bin e  ( node  14)  po wer   generator s  into  th e  netw ork  at   zon e  2.   T he  vol ta ge  dro p  at   the  ind ivi du al   node  is  e valuate d  us in g  the  volt age  pr of il e  with   DG  in  Fi gure   4.   M or e over,   half  (50% )  an d   f ull  ( 100% )  load  sta te s  a re   consi der e d  in  the  si m ulati on .   The  resu lt s  presente d  in  Figure  5  sho w  that  apar t  from   the  su bs ta ntial  su r ge  i n  the   volt age  at   the   po i nts  w he re  t he  DG   is   co uple d,  the re  is  a  nota ble  inc r ease  acr os s  t he  neig hbori ng  node s  as  well .  Be sides,  r ega r ding  the  half  (50% )  loa d  st at es,  the  vo lt a ge  e xceed s   th e  acce ptable  volt age  lim it .  The  crit ic al   le vel  is   exp e rience d  from   no de  10  to  node  14  as  de pi ct ed  in  Figure   5(b)  in  Z one  2.  The  e xcess   vo lt age  is  owin g  to  the  D G  im pl e m entat ion   a nd  propo r ti on al   to  the  delive re d  powe r.  C onseq uen tl y, the  DG  i m ple m entat ion  ca n resu lt  i n ov e r vo lt age  on  the  vo lt ag e  prof il e.           Figure  3. V oltage  prof il e  for 5 0%  a nd  100%  l oad stat es w it hout  D G ;   (a )  z one  1  a nd (b) zo ne 2   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       In te ll igent v oltag e  re gu l ato r f or   distri bute d gen e ra ti on - bas ed netw or k ( Z wawi  Hama douch e)   103       Figure  4 .   MAT LAB®/Si m uli nk® sim ulati on   of LV net work with  integ ra ti on   of so la r pa nel - ty pe (n ode  11)  and w i nd tu rb i ne (n ode  14) D G           Figure  5 .   V oltage  prof il e  for 5 0%  a nd  100%  l oad stat es w it h D G ;   (a )  z on e   1  a nd (b) zo ne 2       2.4.   In tell ige nt   vo l tage re gul ators f or  t he  pd es   The  sect io n p r es ents  diff e re nt d e velo pm ent stages  of  i ntell igent  volt age  re gu la to rs f or  t he  PD E s.     2.4.1 .   Ar tifici al   neural  netw or k  ( ANN )   The  3 - P hase  L V  syst e m   si mu la ti on   prese nt ed  in  subsect i on   2.3   sho ws  that  the  conne ct ion   of  D G  un it s  bet ween   loads  ca n  caus e  crit ic al   vo lt a ge  re gu la ti on  pro blem s.   Con seq uen tl y,  to  offe r  a  prop e r  volt ag e   regulat ion   in  t he  D N,   we  e m plo y  an  ANN  te chn i que.  An   ANN  is  a  bio lo gical ly   m otivate d  c om pu ta ti on al   relat ed  m od el   [ 23 ] .  It  com pr ise s  neur on s  th at   are  pr oc essing  el em ents.  The  ne uro ns   are   con nected  to ge the r   and  there   are  c oeffici ents  ( we igh ts)   that  are   placed  on  the  l ink s .  I n  this  w ork,   fee dforwa rd   ne ur al   netw orks   (F F NN)  is  em plo ye d  beca us e it   is  the  m os t  widely   us e d  m od el   in  a num ber   of  pract ic al   app li cat io ns   [ 24 ] .  Th e   schem at ic  o f  F FNN  with  the   backp ropa gation al gorithm  is d e picte d  in  Fi gure  6 . A n  F F NN co ntains  a  chain o f   la ye rs.   For  instance,  it   com pr ise s  diff e re nt  tiers  su c h  as  the   inp ut,  hidden ,   and   outp ut  la ye rs.   The  act iv at ion  functi ons  for  com pu ti ng   the   op ti m u m   weigh ti ng  of  inpu t  bo un ds   re ga rd i ng   the  ta r ge t  ou tp ut  valu es  are   con ta ine d  in  t he  hidde n  la ye rs.   Furthe rm or e,  t o  a da pt  w ei gh ts  a nd  bia ses  withi n  t he   in div id ual  la ye r,   a   backp ropa gation  al go rithm   is adopted fo r  th e trai nin g  sc he m e. Th is i s in  an  effo rt to  le ssen  the er rors bet wee n  the  net work  outp ut  an d  ta r ge t  value  for  th e  input - base d  factors  [ 24 ] ,  [ 25 ] .  M or e over ,   the  em plo ye d  FFNN   m od el   co m pr ise s  one  in pu t  la ye r,   tw o  hi dd e n  la ye rs,   a nd   one  outp ut  la ye r .  Also,  the  i nput  as  well   as  outp ut   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  98   -   109   104   la ye r  di m ension s  are  al ike  to  the  input  and   ta rg et   pa ram et e r  nu m ber s.  On  the  oth er  ha nd,  dim ension s  of   th e   hidden   la ye r  a r e  ada pted  m an ually   with  respec t  to  the   m od el   perform ance  [ 23 ] .  The   net work  m od el   w ei gh ts   and   a sso ci at e d  biases  are  i niti al iz ed  by  m eans  of   t he  MAT L AB  ®  Neural  Netw ork  T oo l box.   Al s o,   the  m od e l   is  update d  t hro ugh  t he  c onfi gure d  functi ons   su c h  as   ada ption  le ar ning,   tr ai nin g,  act ivati on,  a nd  perfor m ance.   In   a ddit ion,  si nce  the   de vel op e d  m od el   is   base d  on  FF NN  with   the  backp ropa gation  al gorithm ,  and  the   al gorithm   us ua ll y  exp erie nces   no t  only   a  slo w  to  c onve r ge  bu t  al s o  a n  ove rf it ti ng   pro ble m   [ 23 ] ,  a  le ve nb e r g - m arq ua rd t  (L M)  re gula rizat ion   te c hn i que  [ 25 ] ,  [ 26 ]   is  e m plo ye d  to  a ddress   the   issue s.  T his  is  du e   to  it s   relat ively   swifter  co nver gence   in  the  ba ck pro pag at io n.   Like wise,  the  “t r ai n lm ”  trai nin g  f un ct io n  is  em plo ye d  wh il e  the  “m s e”  and   “l ear ngdm ”  in  the  t oo l box  are  ch os e n  for  the  pe rfor m ance  functi ons  an d  adap ti on   le arn in g,   re sp e ct ively .  Be sides,  to  achieve  it s  ou tp ut,  any  di ff ere ntiable   act ivati on   f un ct i on   ca n  be  em plo ye d  by  each  ne u r on.  T he  act ivati on   f un ct io ns   a r e  locat ed  in  t he   hidden   la ye r  and   outp ut  la ye r  ne uro ns ,  but  no t  in   the in pu t l ay er   neur on s .           Figure  6.   Sc he m at ic  o f  fee dfo rw a rd n e ural  net work s  w it h b ackpr op a gatio n  al go rithm       2.4.2 . M od el   p erfo rm an ce  as sessment   The  re s pecti ve   m od el   pe rform ance  is  evaluated  by  ex plo it ing   the  m ean - s quare  e rror  (MSE)  a nd   coeffic ie nt  of   de te rm inati on   ( R2)  t hat can   be  d e fine d,   res pe ct ively  as [ 23 ] - [ 27 ]      = 1 ∑ ( ̂ − ̅ ) 2   = 1   (13)     2 = ∑ ( ̂ − ̂ ) 2 = 1 ∑ ( − ̂ ) 2 = 1   (14)     wh e re   ̂   re pr ese nts  t he  predict ed  outp ut  us in g  t he   ne ur al   ne twork ,   ̅   represe nts  t he  m ean  of  ta r get   val ues,    denotes t he ob t ai ned  ta rg et   va lue from  d at a s et s,  an d n rep re sents the  num ber   of   sim ulate d  scena rios.       3.   RESU LT S  AND DI SCUS S ION   The  res ults  ob t ai ned   s how  th at   the  vo lt age  con t ro l  is  eff e ct ive  since  the  set po int  val ue s  are  ind ee d  i m po sed  on  th e  co nn ect i o n  node   of  the   ene r gy  pro ducers   a s  sho wn   i n  Fi gure  7 .   I n  a ddit ion,  it   is  evi dent   that  there  is  a   go od  c orres ponde nce  betwee n  t he  e xcita ti on   a nd  ge ne rator  volt ages.   Als o,   as  sho wn  in  Figure  8 ,  there is a  noti c eable co rrel at ion bet ween t he  elec tric  pow e r s an d  t he  c on tr ol volt age.   T h e   M A T L A B   n e u r a l   n e t w o r k   t o o l k i t   i s   e m p l oy e d   f o r   n e u r a l   n e t w o r k   t r a i ni n g   a n d   l e a r n i n g .   T h e   t r a i ni n g   s t a t e   d i a g r a m   o f   t h e   b a c k p r o p a g a t i o n   n e u r a l   n e t w o r k   i s   s h o w n   i n   F i g u r e   9 .   T h e   f i gu r e   i l l u s t r a t e s  t h a t  t he   m o d e l   r e a c h e s   t h e   c o n v e r g e n c e   p r e c i s i o n   a t   s t e p   1 0 1 .   M o r e o v e r ,   t h e   t r a i n e d   n e u r a l   n e t w o r k   i s   t h e n   e m p l oy e d   f o r   p r e d i c t i o n   a n d   v e r i f i c a t i o n .   T h e   v a l i d a t i o n   p e r f o r m a n c e s   f o r   t h e   s o l a r   p o w e r   i n v e r t e r   m o d e l   i s   p r e s e n t e d   i n  F i g u r e   1 0 .   T h e   m o s t   e x c e l l e n t   v a l i d a t i o n   p e r f o r m a n c e   i s   r e a l i z e d   a t   t h e   e p o c h   1 0 1   w i t h   a   c o r r e s p o n d i n g   M S E   v a l u e   o f   0 : 0 0 0 3 8 6 6 7 .   I t   i s   n o t e w o r t h y   t h a t   t he   v a l i d a t i o n ,   t r a i n ,   a n d   t e s t   c ur v e s   a r e   r e l a t i ve l y   c om pa r a b l e .   A l s o ,   i t   s h o u l d   b e   n o t e d   t h a t   t h e   p l o t   d o e s   n o t   i n c r e a s e   a f t e r   c o n v e r g e n c e ,   v e r i f y i n g   t h e   s t a b i l i t y   o f   t h e   m o d e l .   T h i s   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       In te ll igent v oltag e  re gu l ato r f or   distri bute d gen e ra ti on - bas ed netw or k ( Z wawi  Hama douch e)   105   i m pl i e s   t h a t   t h e r e   i s   n o   o v e r f i t t i n g   i s s u e   i n   t h e   s y s t e m   b y   t h e   A N N   a n d   t h a t   t h e   a d o p t e d   n e t w o r k   t r a i n i n g   i s   e f f i c i e n t .   A l s o ,  t h e   e r r o r   h i s t o g r a m   f o r   f o r e c a s t i n g   t h e   v o l t a g e   r e g u l a t i o n   w i t h   t h e   d e v e l o p e d   A N N   i s   r e p r e s e n t e d  i n   F i g u r e   1 1 .   T h i s   p l o t   e m p h a s i z e s   t h a t   m o s t   o f   t h e   e r r o r s   f a l l   b e t w e e n   − 1 : 0 4 4 5 4   a n d   0 : 1 1 9 3 ,   w h i c h   i s   a   n a r r o w   i n t e r v a l .   A l s o ,   t h e   m a j o r i t y   o f   t h e   e r r o r s   h a v e   a   v a l u e   o f   a b o u t   0 : 0 3 7 3 6 .   C o n s e q u e n t l y ,   t h e   e r r o r   h i s t og r a m   i l l u s t r a t e s   t h a t   t h e   f o r e c a s t i n g   a c c u r a c y   o f   o u r   p r o p o s e d   m o d e l   i s   v e r y   g o o d .             Figure  7.   V oltage  prof il e  with  DG im ple m entat ion  a nd contr ol m od el  ( F FNN)           Figure  8.   P ow e r profile   with  DG im ple m entat ion  a nd contr ol m od el  ( F FNN)       The  trai ni ng   m od el   of  the  tw o - ne uro n  bac kpr op a gatio n  ne ural   network   f or  synch ron ous  ge ner at or   is   sh ow n  in Figur e 1 2 . T he  fi gur e d epict s that the m od el  r each es the co nve rgence preci sio n  at  step 9 65. Be sides,   the  validat io n  perform ances  f or   t he  sy nchronous  ge ner at or  m od el   is  sh own   in  Fi gure  1 3 .  T he  best  val idati on   perform ance  is  at ta ined  at   an  MSE  value  o f  1:0756  ×  10 − 5  and   e poch  96 5.   Also ,  base d  on   t he  sim i la rity   of   the  set s,  there  is  no   over fitt ing   issue  in  the  s yst e m .  Si m il ar ly ,  the  err or   histogram   fo r  forecast ing   the  volt age   regulat ion   base d  on  the  de velop e d  A N N  is  rep rese nted  in  Figure  1 4 .  T his  plo t  i ll us trat es  that  the  m ajo rity   of   the  er rors   fall   i n  a   relat ively   c onfine d  ra ng e   of  −1: 00173  a nd  0: 004775,   a nd  nea rly   al l  th e  erro rs  ha ve  a   valu e   of   ab out  0:00 1521.  F ur the r m or e,  the  reg r essions   e xp e ri enced   within  the  outp uts  an d  netw ork  ta r gets  are  com pu te d  an d  represente d.   The  ove rall   predict ion   perfor m ances  for  th e  synch ron ou s   gen e rato r  m od el   is  dep ic te d  i n  Figure  1 5   by  m eans  of  plo ts  of   ou t pu t  an d  ta rg et   values .   The  fitt ing   pe rfor m ances  f or   the   consi der e d  m od el   are  good,  a s  the  data  poin ts  are  ti gh tl y  dist ribu te d  dow n  the  fitt ing   li ne .  Also,  the  ob ta ined   correla ti on  coe ff ic ie nts  a re  ve ry  cl os e   to  1  ( 0: 9998).  T his  in dicat es  that  t he   co ns ide re d  sc hem e  of fe rs  a   cl os e - fitt ing   betwee n  the  netw ork  ta rg et s  a nd   rela te d  ou t puts.  Be sides,  the  virt ually   li near   distrib utio n  of  th e  data   po i nts alo ng  w it h  the  ou t put v ersu s  the  targ et  li ne  s hows  t ha t t he  m od el ’s p red ic ti on acc uracy  is good.   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  98   -   109   106       Figure  9. Trai ni ng   sta te  d ia gra m  o f  the  backp ropa gation ne ural  n et work f or so la r  po wer i nverter               Figure  10. FF NN m od el  v al idati on p e rfo rm ance  for  so la r p ow e r  i nverter       Figure  11. E rro r hist ogram  f or so la r  po wer i nverter       Figure  1 2.   T rai ning stat e  diag ram  o f  the t wo - ne uro n back pr op a gatio n ne ural  n et w ork for    synch ron ous  ge ner at or   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       In te ll igent v oltag e  re gu l ato r f or   distri bute d gen e ra ti on - bas ed netw or k ( Z wawi  Hama douch e)   107           Figure  1 3.   FF NN m od el  v al idati on p e rfo rm ance  for  synch ron ous  ge ner at or   Figure   1 4.   E rro r hist ogram  f or sync hrono us   gen e rato r           Figure   1 5.   Re gressi on m od el   perform ance f or sync hro nous  gen e rato r.   The   top  le ft b l ue plot de picts t he   trai ning f it ti ng,  the top  rig ht  gre en  p l ot il lustr at es the  validat ion   fitt ing ,  the  bo tt om  left re d plot  sho ws  the   te sti ng  f it ti ng, a nd the  bott om rig ht  gr ay   plo t  d e picts t he  m od el  f it ti ng p e rfor m ance for al l data set s       4.   CONCL US I O N   In  this  pa per,  we  have  propo sed  a   ge ne ric  m od el   for  a   D N  wit h  i nterc onnecte d  s olar   pa nel - ty pe  a nd   wind  tur bin e  powe r  ge ner at ors.  Also,  we  ha ve  co ns ide red   and   dem on stra te d  the  var ie d  natu re  of   the  volt age   unde r  distrib uted  gen e rati on.  In  this  c on te xt,   we  ha ve  dev e lop e d  c on t ro l  m od el s  for  vo l ta ge  re gula ti on.  T he   si m u la ti on   res ults  sho w  that   de velo ped  co ntr ol  m od el s  can  help  i n  disturbance s  el im inati on   in  t he   D N .   More ov e r,   we   hav e  de velo ped   a nd   e valuated  FF N N  m od el s  with  t he  bac kpr op a gation  al go rithm   an d  Evaluation Warning : The document was created with Spire.PDF for Python.