基于相关向量机的发电机进相能力建模

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。     

基于反向传播神经网络的发电机进相能力建模研究

提出一种基于反向传播神经网络（back propagation neural network,BPNN）的发电机进相能力建模新方法。该BPNN含2个隐层和1个输出层,以发电机有功和无功功率为输入,以发电机功角、电网电压为输出。以典型工况下的发电机进相运行试验结果作为训练样本和测试样本,建立了某600Mw发电机进相能力B...     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。     

发电机进相运行分析

分析了发电机进相运行的概念及影响,介绍了发电机进相运行试验的步骤以及确定进相深度的方法,并给出了分析结果,最后根据发电机进相运行对发电机的影响总结了发电机进相运行时的注意事项。     

同步发电机进相研究综述

在分析电网低谷负荷和无功过剩情况下同步发电机进相调节电网电压优越性的基础上,回顾了同步发电机进相研究发展历史和各阶段的研究重点,综述了同步发电机进相研究主要考虑的端部发热温升、厂用电压限制、功角稳定、失磁保护及低励限制等几个方面的限制因素.同时,论述了同步发电机进相的仿真分析、动模试验的研究进展以及智能控制技术在进相研究和监控中的应用现状,提出了多发电机协调进相和全网调压应成为电网发展新形势下发电机进相领域的研究新方向.     

用RBF神经网络建立火灾探测器模型

火灾自动报警系统正朝智能化方向发展,但关键在于采用智能化的信号处理算法。本文探讨运用RBF神经网络建立火灾探测器模型。     

发电机进相试验分析与探讨

为了保持系统电压平衡和稳定,探讨发电机的进相能力对系统电压质量的影响.介绍发电机进相试验的限制因素及具体试验步骤.对岩滩电厂6号发电机进相试验结果及相关数据进行分析,得到该机组安全进相运行容量.通过发电机进相试验,可得到发电机在各种工况的运行参数,掌握发电机在进相运行下的静稳态能力.发电机进相试验所得的数据,为电网调度部门绘制发电机运行PQ曲线、下发低励限制定值和安排机组进相运行提供了科学依据.     

大型汽轮发电机进相能力分析

对汽轮发电机进相深度为0.9进行了分析,给出了进相深度为0.9的定子边段铁心附加损耗和压指损耗。为了对比,还计算了额定工况时定子边段铁心附加损耗。     

同步发电机进相能力的快速估算方法

发电机进相运行是一种经济性和技术性俱佳的调节电网电压、改善电能质量的先进手段。建立了发电机接入系统的网络简化模型及其等值电路,并推导得出发电机机端电压、厂用电电压、发电机功角的解析表达式,通过联立方程的求解即可快速得到发电机在各典型有功出力下的无功进相极限值。应用该方法对某680 MW汽轮机和250 MW水轮机的进相能力进行计算分析,结果表明,该方法能有效克服传统方法工序繁杂且费时的局限性,具有计算速度快、精度高和易于应用等特点。     

一种基于径向基神经网络的PLL控制研究

电网并网时需要控制电流与电网电压同相位.介绍了一种基于人工神经网络的用于相位跟踪的PLL控制方法,即把RBF网络的算法加入锁相环中.具体是将电网电压作为期望输出值,将输入电流作为训练样本,通过神经网络的自我学习,逐步减小样本输出与期望输出之间的误差,实现对期望输出的同步和跟踪.用MALAB电力系统仿真工具箱进行了数字动态仿真,并从仿真结果可以看出,系统跟踪性能很好,并且有较强的自适应能力.     

基于RBF神经网络的热力能量预测

本文介绍了RBF人工神经网络在热力能量调节中应用,对网络的创建及其实现过程进行了详细的阐述,并通过RBF网络实现了对蒸汽需求总量的预测。分析结果表明：通过神经网络的自学习功能来预测热力公司所需求的蒸汽总量,可以节约大约10%的能量。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

基于RBF循环神经网络的电力系统负荷建模

针对负荷模型难以精确建立的问题以及负荷非线性动态仿真的复杂性,提出了一种基于径向基循环神经网络的负荷建模方法。将循环神经网络和径向基网络相结合,利用循环神经网络对时间序列的学习能力和径向基网络具有结构自适应确定、快速收敛的优点,建立新的电力系统综合负荷模型。典型新英格兰测试系统的仿真证明了该模型对电力系统负荷模型辨识的有效性和准确性。     

动态RBF神经网络在非线性系统建模中的应用

在分析传统RBF神经网络算法的基础上,提出了改进的最临近聚类算法和隐含层节点的增加与修剪策略,从而增强了RBF神经网络的非线性系统建模能力。以锅炉燃烧过程为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的初始神经网络模型,再经过改进算法不断修正模型,取得了比较满意的效果。     

基于RBF神经网络的发电机转子匝间短路故障诊断

在分析汽轮发电机转子匝间短路的电磁特性和转子振动特性的基础上,得到了匝间短路的特征参数。根据特征参数,建立了RBF(Radial Basis Function)神经网络诊断模型并将其应用于发电机匝间短路的故障诊断与识别。实例结果表明,该方法是行之有效的。     

基于RBF神经网络模型的电站锅炉燃烧优化

针对电站锅炉燃烧过程对运行经济性的影响,运用径向基函数(RBF)神经网络建立锅炉运行优化模型,以锅炉热效率与NOx排放质量浓度最佳值作为优化目标,实现二次风门挡板开度、燃尽风门挡板开度的寻优,求取不同工况下的最优值。结果表明:该系统可以在提高锅炉效率的同时也降低了NOx的排放,并正确地反映了锅炉机组的动态特性。