| 基于相关向量机的发电机进相能力建模 |
| |
| 引用本文： | 翟学锋,卫志农,范立新,徐 钢,王成亮,刘亚南.基于相关向量机的发电机进相能力建模[J].电力自动化设备,2015,35(3). |
| |
| 作者姓名： | 翟学锋 卫志农 范立新 徐 钢 王成亮 刘亚南 |
| |
| 作者单位： | 1. 江苏方天电力技术有限公司,江苏南京,211102
2. 河海大学可再生能源发电技术教育部工程研究中心,江苏南京,210098 |
| |
| 基金项目： | 基金项目：国家自然科学基金资助项目（51277052，５１１０７０３２，６１１０４０４５） |
| |
| 摘 要： | 发电机是一个多变量、强耦合的非线性系统,传统的分析方法难以建立精确的发电机进相能力分析模型。提出一种基于相关向量机(RVM)的发电机进相能力模型,以发电机有功功率和无功功率为输入、发电机的功角和电网电压为输出。以典型工况下发电机进相运行试验结果作为训练样本和测试样本,建立某600 MW发电机进相能力RVM模型,并讨论了核函数的选择对RVM模型收敛精度的影响。结果表明所建立的发电机进相RVM模型较之BP神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)模型,精度更高、泛化能力更强,能有效地克服传统方法的局限性,适用于发电机进相运行实时控制。
|
| 关 键 词： | 发电机 进相 相关向量机 BP神经网络:RBF神经网络 支持向量机 建模 |
Generator leading phase capability model based on relevance vector machine |
| |
| ZHAI Xuefeng,WEI Zhinong,FAN Lixin,XU Gang,WANG Chengliang and LIU Yanan.Generator leading phase capability model based on relevance vector machine[J].Electric Power Automation Equipment,2015,35(3). |
| |
| Authors: | ZHAI Xuefeng WEI Zhinong FAN Lixin XU Gang WANG Chengliang and LIU Yanan |
| |
| Abstract: | |
| |
| Keywords: | electric generators leading phase relevance vector machine BP neural network RBF neural network support vector machines model buildings |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |
|
