基于分形理论的变压器磁滞回环拟合新方法

正确地模拟变压器铁磁材料的动态磁化过程，掌握变压器铁磁材料的动态磁化规律，是提高变压器暂态仿真准确性的关键，作者首次运用分形理论中的基本观点，证明了铁磁材料的磁滞回环族是一种分形图形，从本质上揭示了铁磁材料动态磁化过程中所遵循的规律，从机理上探讨了变压器主、次磁滞回环之间的关系，在此基础上，应用分形学中迭代函数系统的基本理论，对铁磁材料的次磁滞回环拟合提出了一种“变压缩因子”方法，通过对主磁滞回环进行线性迭代压缩计算来生成次磁滞回环，仿真结果验证了这种方法的正确性。     

电力系统暂态仿真中铁磁非线性元件建模方法的研究

本文提出了一种建立铁磁非线性元件磁化特性模型的新思路，即运用人工神经网络模拟主磁滞回环，以及根据主磁滞回环按线性变化的位移来自下而上局部磁滞回环，从而建立了一种描述非线性磁化特性的更为合理和有效的新模型。     

用保凸的三次样条函数拟合电流互感器主磁滞回环

电流互感器的主磁滞回环的拟合在电流互感器的仿真计算中意义很大，围绕拟合的精度与光滑性的矛盾，已提出不少的方法。提出的一种运用保凸三次样条函数进行主磁滞回环的拟合方法，曲线光滑、精度高，而且还克服了一般三次样条函数拟合出现端点的不合理波动现象。     

电力系统电磁暂态计算中含铁芯元件磁滞特性的分析与仿真

在分析电力系统铁磁元件磁滞特性的基础上，将多值的励磁特性模拟为一个主磁滞回环和动 态磁滞回环族，建立了计及铁芯饱和、磁滞、动态磁滞回环等特性的铁磁元件的数学模型， 并给出算例。结果表明，该模型不仅能较好模拟铁磁元件的动态磁化特性，而且方法简单。     

脉冲电流激励下铁磁材料的局部磁滞特性分析

脉冲电流周期性变化时,测量得到不同脉冲电流激励下铁磁材料的局部磁滞曲线。通过2种方法建立能够描述局部磁滞曲线的数学模型,一种是基于Preisach模型的模拟方法,该方法根据铁磁材料的极限磁滞回线和转折点的值及修正系数,可以建立不同局部磁滞曲线的数学模型;另一种是曲线拟合方法,该方法通过脉冲电流峰值的变化和转折点的值可以建立不同局部磁滞曲线拟合函数间的数学关系,实现曲线的数学模拟。模拟结果表明,前者方法简便,应用范围宽、通用性强;后者方法繁琐,需建立曲线的拟合函数,模拟精度高。研究表明,两种方法都能够有效地模拟不同脉冲电流激励下铁磁材料的局部磁滞特性。     

电力系统中考虑铁磁元件磁滞特性的暂态计算

本文介绍含多个铁磁元件电力网络的暂态计算方法。铁磁元件的计算模型计及磁滞效应。多值的励磁特性被等值地模拟为一个主磁滞回环和局部的次磁滞回线族,主磁滞回环由解析函数式加以表示,次磁滞回线按非线性变化的位移来生成。网络的暂态计算首先从励磁支路开始,对于描述励磁支路暂态的非线性微分方程,采用半隐式龙格—库特法直接求解,无需迭代运算。再从这些励磁支路解出发,求取整个网络的全解。由本文算法得出的计算结果能够与内模实验结果较好地吻合。     

基于径向基函数网络的距离保护方案

提出了一种利用径向基函数网络（RBFN）来实现神经网络式距离保护的方法。同基于BP网络的神经网络式距离保护的训练时间相比,所需的网络训练时间大大减少。同时,从检验结果可以看出,基于RBFN的神经网络式距离保护具有很好的模式识别能力。     

改进型组合RBF神经网络的变压器故障诊断

提出了一种在逼近能力、分类能力、学习速度等方面都优于BP神经网络的径向基函数神经网络和组合诊断的概念,并将其应用到变压器DGA故障诊断中。在处理输入数据和改进训练方法后,组合RBF神经网络诊断变压器故障训练速度快、收敛精度高、诊断准确。     

基于Preisach磁滞模型的铁磁材料损耗时域有限元计算方法

根据损耗统计理论,铁磁性材料的损耗可分解为磁滞损耗、涡流损耗和剩余损耗。本文提出一种考虑铁磁材料磁滞特性和集肤效应对其涡流损耗影响的新方法。该方法基于矢量磁位A,耦合了Preisach磁滞模型与时域有限元方程来计算铁磁材料的磁滞损耗和涡流损耗,并采用固定点技术,引入微分磁阻率,加快了有限元方程解的收敛速度。同时,为了解决剩余损耗统计参数提取困难的问题,本文提出用有理函数来拟合剩余损耗统计参数以计算铁磁材料的剩余损耗。最后,对比了仿真结果与实验测量数据,结果显示该算法计算铁磁材料损耗的最大误差小于10%。     

基于支持向量机的变压器励磁涌流仿真实现

为提高变压器差动保护躲过励磁涌流的能力,需要认真研究励磁涌流的仿真过程。文中将支持向量机在回归估计方面的能力应用到极限磁滞回环曲线的拟合,即将极限磁滞回环试验数据拟合的原始最优问题转化为其对偶问题。并根据极限磁滞回环与局部磁滞回环具有分形特征这一特点进行了励磁涌流仿真算法的研究,针对变压缩因子励磁涌流仿真算法中的压缩因子提出了变权重的计算方法,通过求取动态电感来实现变权重,使得励磁涌流仿真算法只需要改变极限磁滞回环上下分支和对应饱和线导数的权重系数,实现了动态电感求取公式的统一。仿真结果表明了该方法的有效性。     

基于人工神经网络控制算法的SSSC潮流控制器设计

本文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,以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。     

模糊输入的概率神经网络在变压器故障诊断中的应用

将概率神经网络引入到电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理的方法.采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型.通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性.     

基于ANN的变电站故障诊断系统及其容错性

介绍了基于人工神经网络 (ANN)方法的变电站故障诊断的系统 ,并对其容错性进行了研究 ,该系统充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点 ,实现对变电站故障元件的诊断。仿真结果表明 ,本系统不仅能在输入信息正确的条件下准确地诊断出故障元件 ,而且在输入信息不完整或少部分信息错误的情况下 ,仍能给出满意的诊断结果。     

应用人工神经网络对变压器励磁涌流仿真的研究

在对变压器励磁涌流的仿真中，变压器铁芯的非线性磁化特性必须加以考虑。本文运用人工神经网络模拟主磁滞回环，以及用线性变化的位移来生成局部磁滞回线的方法，建立铁芯动态非线性磁化过程的计算模型。在此基础上对变压器的励磁涌流进行了仿真，收到了较好的效果。     

基于神经网络的混合速度辨识方法研究

提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明，基于该速度估计器的矢量控制系统动、静态性能好，解决了瞬时无功模型参考自适应方法在转速给定为负阶跃时的转速不稳定问题，转速估计精度高。     

基于粒子群算法的BP神经网络光伏电池建模

针对光伏电池复杂难以建模的非线性特性,本文提出一种基于粒子群算法(PSO)的反向传播(BP)神经网络建模方法.神经网络具有很强的非线性拟合能力,但同时也存在收敛速度慢、容易陷入局部极值、建模精度不高等缺点.本文采用粒子群算法来优化神经网络的内部连接权值,以改善神经网络的性能,并基于这种改进的神经网络构建光伏电池动态模型...     

利用小波变换及人工神经网络识别电能扰动

电能质量问题成为近年许多高等院校、科研院所的研究重点,电能扰动识别是电能质量研究的一个重要方面。为此,指出了电能扰动识别包括预处理、特征提取和模式识别等3个过程,研究了基于小波变换和人工神经网络的电能扰动模式识别方法。借助于Matlab软件生成120个电能扰动样本并使用小波变换提取特征后,采取反向传播神经网络和概率神经网络识别的正确率分别为87.5%和85%。仿真分析结果发现:使用小波变换提取特征向量并使用反向传播神经网络设计分类器所得到的识别系统的性能比较令人满意。     

基于深度门控循环单元神经网络的短期风功率预测模型

随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型,该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象。工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。