The real problems in diminution of power quality (PQ) occur due to the rapid growth of nonlinear load are leading to a sudden decrease of source voltage for a few seconds. All these problems can be compensated by unified power quality controller (UPQC). The proposed research is based on designing a wind energy conversion system (WECS) fed to the dc-link capacitor of UPQC so as to maintain proper voltage across it and operate the UPQC for PQ improvement. The proposed research utilizes two techniques for enhancing the performance of UPQC known as integrated ant lion optimizer (IALO)-adaptive neuro fuzzy inference system (ANFIS), called IALO-ANFIS. Here, induction motor is considered as non-linear load. ALO searching behavior is enhanced by crossover and mutation. Initially, the objective function parameters are defined, that is, voltage, real, grid parameters, load parameters, real and reactive power and current. Based on these parameters, the control pulse is produced for series and shunt active power filter (APF). IALO is used to identify the optimal solutions and creates the training dataset. In light of the accomplished dataset, ANFIS predicts the best control signals of UPQC. During load variation conditions, the proposed strategy minimized the power loss and voltage instability issue individually. Subsequently, the power quality of the system is enhanced. In order to evaluate the effectiveness of the proposed method, three different cases are considered. The performance of the proposed technique is validated through MATLAB/Simulink and compared with existing techniques such as genetic algorithm and ALO.

中文翻译：

---

具有统一电能质量控制器的风能转换系统电能质量改进：一种混合控制模型

由于非线性负载的快速增长导致电源电压突然下降几秒钟，从而导致电能质量 (PQ) 降低的真正问题。所有这些问题都可以通过统一电能质量控制器 (UPQC) 来补偿。拟议的研究是基于设计一个风能转换系统 (WECS) 馈送到 UPQC 的直流链路电容器，以保持其两端的适当电压并运行 UPQC 以改善 PQ。拟议的研究利用两种技术来提高 UPQC 的性能，称为集成蚁狮优化器 (IALO)-自适应神经模糊推理系统 (ANFIS)，称为 IALO-ANFIS。这里，感应电机被视为非线性负载。交叉和变异增强了 ALO 搜索行为。首先定义目标函数参数，即电压、实数、电网参数、负载参数、有功和无功功率和电流。根据这些参数，产生串联和并联有源电力滤波器 (APF) 的控制脉冲。IALO 用于确定最佳解决方案并创建训练数据集。根据完成的数据集，ANFIS 预测 UPQC 的最佳控制信号。在负载变化条件下，所提出的策略分别最小化了功率损耗和电压不稳定性问题。随后，系统的电能质量得到提高。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。根据这些参数，产生串联和并联有源电力滤波器 (APF) 的控制脉冲。IALO 用于确定最佳解决方案并创建训练数据集。根据完成的数据集，ANFIS 预测 UPQC 的最佳控制信号。在负载变化条件下，所提出的策略分别最小化了功率损耗和电压不稳定性问题。随后，系统的电能质量得到提高。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。根据这些参数，产生串联和并联有源电力滤波器 (APF) 的控制脉冲。IALO 用于确定最佳解决方案并创建训练数据集。根据完成的数据集，ANFIS 预测 UPQC 的最佳控制信号。在负载变化条件下，所提出的策略分别最小化了功率损耗和电压不稳定性问题。随后，系统的电能质量得到提高。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。IALO 用于确定最佳解决方案并创建训练数据集。根据完成的数据集，ANFIS 预测 UPQC 的最佳控制信号。在负载变化条件下，所提出的策略分别最小化了功率损耗和电压不稳定性问题。随后，系统的电能质量得到提高。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。IALO 用于确定最佳解决方案并创建训练数据集。根据完成的数据集，ANFIS 预测 UPQC 的最佳控制信号。在负载变化条件下，所提出的策略分别最小化了功率损耗和电压不稳定性问题。随后，系统的电能质量得到提高。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。提高了系统的电能质量。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。提高了系统的电能质量。为了评估所提出方法的有效性，考虑了三种不同的情况。通过MATLAB/Simulink 验证了所提出技术的性能，并与遗传算法和ALO 等现有技术进行了比较。