Static Synchronous Series Compensator (SSSC) is the fact device that provides stable and controlled power transmission. The unequal load, power disturbances, and fault can cause power fluctuations in the system. In this paper, a more intelligent and optimized SSSC system design is presented with the integration of a fuzzy controlled differential evolution method. The method has analyzed the disturbance and variation occurs in the system. The fuzzy controlled analysis and dynamic search are applied to multiple parameters for observing the behavior of the system. The impurities and load evaluation-based fitness rule is defined with the DE algorithm to provide control over the power system. The fuzzy rules are applied for tuning the parameters dynamically for different scenarios and unequal load. The designed and optimized power system model is tested against the three-phase fault and unequal load conditions for single and multiple machines. The simulation results show that the proposed work model has improved stability and reduced fluctuations. The comparative evaluation is also conducted against the Particle Swarm Optimization (PSO), Genetics, Differential Evolution (DE), and Gravitational Search Algorithm (GSA). The experimentation results verified that the proposed fuzzy-controlled DE method improved the performance of the system in varying load and fault situations. The proposed integrated-SSSC model has reduced the fluctuations and achieved the stability effectively against the other optimization models.

静态同步串联补偿器（SSSC）是提供稳定和可控的电力传输的事实装置。负载不均、电源扰动和故障都会引起系统功率波动。在本文中，通过集成模糊控制差分进化方法，提出了一种更加智能和优化的 SSSC 系统设计。该方法分析了系统中发生的扰动和变化。模糊控制分析和动态搜索应用于多个参数以观察系统的行为。基于杂质和负载评估的适应度规则是用 DE 算法定义的，以提供对电力系统的控制。模糊规则用于针对不同场景和不等负载动态调整参数。针对单机和多机的三相故障和不等负载条件对设计和优化的电力系统模型进行了测试。仿真结果表明，所提出的工作模型提高了稳定性，减少了波动。还针对粒子群优化 (PSO)、遗传学、差分进化 (DE) 和引力搜索算法 (GSA) 进行了比较评估。实验结果证实，所提出的模糊控制 DE 方法提高了系统在变化的负载和故障情况下的性能。所提出的综合 SSSC 模型减少了波动并有效地实现了相对于其他优化模型的稳定性。仿真结果表明，所提出的工作模型提高了稳定性，减少了波动。还针对粒子群优化 (PSO)、遗传学、差分进化 (DE) 和引力搜索算法 (GSA) 进行了比较评估。实验结果证实，所提出的模糊控制 DE 方法提高了系统在变化的负载和故障情况下的性能。所提出的综合 SSSC 模型减少了波动并有效地实现了相对于其他优化模型的稳定性。仿真结果表明，所提出的工作模型提高了稳定性，减少了波动。还针对粒子群优化 (PSO)、遗传学、差分进化 (DE) 和引力搜索算法 (GSA) 进行了比较评估。实验结果证实，所提出的模糊控制 DE 方法提高了系统在变化的负载和故障情况下的性能。所提出的综合 SSSC 模型减少了波动并有效地实现了相对于其他优化模型的稳定性。实验结果证实，所提出的模糊控制 DE 方法提高了系统在变化的负载和故障情况下的性能。所提出的综合 SSSC 模型减少了波动并有效地实现了相对于其他优化模型的稳定性。实验结果证实，所提出的模糊控制 DE 方法提高了系统在变化的负载和故障情况下的性能。所提出的综合 SSSC 模型减少了波动并有效地实现了相对于其他优化模型的稳定性。