基于人工神经网络控制算法的SSSC潮流控制器设计

提出了一种应用神经网络控制策略为静止同步串联补偿器 (SSSC)设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近 ,用一个两层的前向网络去逼近任意函数 ,能更好地进行潮流控制。仿真结果表明 ,这种控制器与传统的PI调节控制相比 ,不但能快速调节潮流 ,增加系统阻尼 ,改善系统稳定性 ,并且有较强的适应性、鲁棒性     

基于人工神经网络控制算法的SSSC潮流控制器设计

提出了一种应用神经网络控制策略为静止同步串联补偿器（SSSC）设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近，用一个两层的前向网络去逼近任意函数，能更好地进行潮流控制。仿真结果表明，这种控制器与传统的PI调节控制相比，不但能快速调节潮流，增加系统阻尼，改善系统稳定性，并且有较强的适应性、鲁棒性。     

电压型BUCK变换器控制策略研究

鉴于BUCK型降压斩波变换器的非线性和复杂性,采用传统的PID控制器难以获得理想的控制性能,利用神经网络的非线性函数逼近能力,构造神经网络PID自整定控制器.该控制器根据系统的运行状态,通过神经网络的自学习、加权系数调整,自动调节PID控制器参数,以期达到性能指标的最优化.将该控制器应用于BUCK型变换器,仿真结果显示...     

水轮机调节系统的模糊神经元控制

水轮机调节系统具有非线性和时变性的特性 ,传统的PID控制器无法获得高性能的调速系统。针对水轮机调节系统的上述特性 ,在常规模糊控制的基础上 ,采用径向基函数神经网络来逼近过程模型 ,并设计了自适应神经元来在线优化控制器的输出。理论分析和仿真结果表明 ,这种控制策略与传统的PID控制和模糊控制相比 ,能够得到更快的响应速度和更好的控制效果     

水轮机调节系统的模糊神经元控制

水轮机调节系统具有非线性和时变性的特性,传统的PID控制器无法获得高性能的调速系统.针对水轮机调节系统的上述特性,在常规模糊控制的基础上,采用径向基函数神经网络来逼近过程模型,并设计了自适应神经元来在线优化控制器的输出理论分析和仿真结果表明,这种控制策略与传统的PID控制和模糊控制相比,能够得到更快的响应速度和更好的控制效果.     

非线性时滞系统自适应神经网络Backstepping控制

针对一类未知非线性时滞系统,提出了一种自适应神经网络控制设计方案,将Backstepping、占有方法以及自适应界化技术结合起来构造了一个鲁棒自适应神经网络跟踪控制器,采用神经网络逼近未知时滞函数,放松了对非线性时滞函数的要求。通过构建一个恰当的Lyapunov-Krasoviskii泛函证明了闭环系统所有信号半全局一致最终有界,调节设计参数可以实现任意输出跟踪精确度。实例仿真说明了该方案的可行性。     

基于PCC的神经网络PID控制器设计

利用神经网络逼近任意非线性函数的能力,对PID参数进行在线调整,并利用神经网络模型对控制对象的输出进行预测,对神经网络各层中的加权系数进行修正,使控制器具有调节数度快、适应能力强、可靠性高等优点.试验结果表明,控制器具有强抗扰、响应快、鲁棒性好等特点.     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构。该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法。该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性。在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性。     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构.该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法.该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性.在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性.     

永磁直线同步电机的鲁棒自适应神经网络控制

针对永磁直线同步电动机的端部效应和非线性摩擦问题,采用一种鲁棒自适应神经网络控制方法,实现了永磁直线电机的跟踪控制.所设计的控制器包含两个部分:一部分是自适应神经网络控制器,用来逼近理想控制器,该神经网络的输入为滑模切换函数;另一部分是鲁棒控制器,用来消除逼近误差.通过李亚普诺夫稳定性定理验证了所设计的控制器能够保证控...     

基于ANN削减负荷的发输电组合系统可靠性评估

为提高计算效率,提出了基于人工神经网络（ANN）的发输电组合系统可靠性评估模型。该模型为一个3层前向神经网络,其中输入层为参与可靠性计算的元件的信息,输出层为系统中节点负荷的信息,用改进的BP算法训练该网络,经训练后的网络具有负荷削减计算功能,由于该模型不需进行在线的故障状态潮流计算以及负荷削减计算,大大提高了计算效率,在缓解“计算灾”方面取得了较大进展,该ANN模型考虑了发电机出力,变压器和线路容量以及负荷等的变化,比通常的可靠性计算模型具有更强的实用性,用实例验证了方法的正确性和有效性。     

具备潮流控制功能的多端口混合式直流断路器

针对多端柔性直流电网的故障保护和潮流控制问题,该文提出一种具备潮流控制功能的多端口混合式直流断路器,由通流支路、主断路器支路两部分构成。当系统正常稳态运行时,该断路器具有潮流控制功能,可用于调节支路潮流;系统发生故障后,相当于混合式直流断路器,用于切断故障电流。建立了具备潮流控制功能的多端口混合式直流断路器拓扑,阐述了稳态和暂态运行机理,并进行经济性分析。最后,在PSCAD仿真平台搭建了四端直流输电系统,验证了所提拓扑在潮流控制和故障切除方面具有良好的性能。     

Artificial neural networks for solving the power flow problem in electric power systems

In this paper, the use of artificial neural networks (ANN) is proposed for solving the well known power flow (PF) problem of electric power systems (EPS). PF evaluates the steady state of EPS and is a fundamental tool for planning, operation and control of modern power systems. The mathematical model of the PF comprises a set of non-linear algebraic equations conventionally solved with the Newton-Raphson method or its decoupled versions. In order to take advantage of the superior speed of ANN over conventional PF methods, multilayer perceptrons neural networks trained with the second order Levenberg–Marquardt method have been used for computing voltages magnitudes and angles of the PF problem. The proposed ANN methodology has been successfully tested using the IEEE-30 bus system.     

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

一种基于RAN和专家系统的短期负荷预测方法

结合神经网络和专家库系统对地区电网进行短期负荷预测,利用神经网络的非线性函数逼近能力进行基本负荷预测,在此基础上结合天气专家库系统再进行负荷调整。此方法已用于地区电网负荷预测,预测结果表明此方法是实用有效的,精度满足实用要求。     

隐含层对人工神经元网络电压安全评估的影响

电力系统电压安全评估对电力系统运行与控制的安全性、稳定性是极其重要的。隐含层对 人工神经元网络(ANN)训练的速度、精度和收敛性有很大的影响。该文利用ANN对某一实 际电力系统进行电压安全评估，并讨论了隐含层数和隐含节点数对神经元网络的影响。     

人工神经网络技术在电力系统中的应用

电力系统是由发电、输电、变电、配电和用电等多个部分组成的复杂的非线性动态系统。应用传统方法分析电力系统常常存在诸多缺陷,而人工神经网络技术由于具有不可替代的优势,文中介绍了人工神经网络在电力系统故障诊断、智能控制、继电保护、优化运算以及负荷预测等方面的应用情况。     

统一潮流控制器功率控制特性的分析

统一潮流控制器（UPFC）的控制规律的求取是UPFC装置实现其功能的关键,而研究UPFC的功率特性是解决UPFC控制问题的前提。本文通过控制量与被控制量之间灵敏度分析的方法,分析了UPFC的功率控制特性和多相UPFC功率特性间的相互影响,通过实际潮流计算结果和线性化后所得结果的数值比较,表明了所选取的UPFC的控制变量对电力系统的潮流控制作用趋向于线性。     

用人工神经元网络和最小二乘法估计负荷模型的比较

该文分别采用现代辨识技术之一的递推最小二乘法和人工神经元网络(ANN)误差反向传播算 法(BP算法)估计2000年四川电网某一变电站的负荷模型，结果表明人工神经元网络模型 能更好地反映负荷的非线性特性。