基于MATLAB的模糊电力系统稳定器设计与仿真

该文介绍了如何由模糊逻辑工具箱和Simulink来设计模糊电力系统稳定器，仿真结果表明：该文所设计的模糊电力系统稳定器(FPSS)相比传统的电力系统稳定器(CPSS)能更有效地抑制系统低频振荡，且模糊稳定器的设计与调试过程非常方便、高效。     

SVC对电力系统稳定性的模糊控制

利用模糊逻辑系统,设计了用于控制电力系统暂态稳定性的静止无功补偿器（SVC）模糊自适应控制器。该控制器采用反向传播学习算法自动调节控制规则,并通过辨识器部分获取数据修改控制器参数。通过一个两机系统的计算机仿真,证明该SVC模糊控制器能有效地控制系统的暂态稳定性。     

同步发电机励磁控制器设计

针对基于开环迭代学习控制的同步发电机励磁控制器存在稳定性差、易受干扰影响、不能完全跟踪期望轨迹的问题,设计了一种基于开闭环PID迭代学习控制与电力系统稳定器结合的同步发电机励磁控制器;在开环迭代学习控制的基础上,引入闭环反馈控制,将上一次的输入和输出误差及当前的输出误差作为当前的控制输入,从而构成开闭环PID型迭代学习控制;同时,利用电力系统稳定器提供的附加正阻尼信号来改善同步发电机励磁控制系统的电压稳定性和功角稳定性。仿真结果表明,该励磁控制器具有较强的鲁棒性,提高了系统稳定性。     

一种专家智能型电力系统稳定器

本文提出了一种基于专家的模糊逻辑电力系统稳定器，这种稳定器熔合了比例、模糊和比例积分三种控制策略、通过专家决策实现变结构控制，使电力系统稳定器既具有模糊控制简单和有效的非线性控制作用，又具比例和积分控制的快速性和跟踪能力，仿真计算结果表明这各于一般的模糊逻辑稳定器。     

基于遗传算法和模糊PID的励磁控制器

随着电力系统的发展,常规PID励磁控制器已经不能满足系统运行的动态和静态性能要求,为了克服这一缺点,设计了一种新型模糊PID控制器,在常规模糊PID励磁控制器基础之上,提出了一种利用遗传算法优化的模糊控制器.介绍了同步发电机自动励磁系统及模糊PID励磁控制器的构成,模糊PID控制器的原理及作用.仿真研究结果表明利用该方法设计的励磁控制器具有更好的动静态特性.     

组合电力系统自适应稳定器GPSS的设计

为了抑制电力系统因负阻尼而产生的低频振荡,提高电力系统稳定性,设计了一种组合电力系统自适应稳定器ＧＰＳＳ（以下简称自适应稳定器ＧＰＳＳ）。理论分析和仿真结果都表明该方案对抑制电力系统低频振荡有显著效果。能提高电网运行质量,保障电网供电的可靠性和优质性。     

纯算法综合型电力系统稳定器

在我国采用电功率信号作为输入量设计的纯算法电力系统稳定器技术日趋成熟,但纯算法构成组合型电力系统稳定器方面的有关技术未见报道.本文对纯算法组合型的电力系统稳定器进行了分析,并结合实际系统中的应用进行了仿真计算,在湖北清江隔河岩电厂对此类型的电力系统稳定器进行了现场试验,验证了其设计原理的正确性和实用性,为进一步开发,推广应用此类型的电力系统稳定器提供参考.     

SVC对电力系统稳定性的模糊控制

利用模糊逻辑系统,设计了用于控制电力系统暂态稳定性的静止无功补偿器模糊自适应控制器。     

基于复合控制的电力系统稳定器设计

针对传统电力系统稳定器(PSS)的缺点,提出一种基于复合控制的电力系统稳定器,可以根据实际的运行情况在模糊和比例积分微分(Fuzzy-PID)控制中进行选择性的控制,使电力系统稳定器既具有模糊控制简单有效的非线性控制作用,又具有比例和积分控制的快速性和跟踪能力。理论分析及仿真结果均表明所提出的方案正确可行并具有良好的性能。     

基于模糊神经网络的统一潮流控制器

为了减少先验知识对统一潮流控制器中模糊规则的设计和电力系统参数的变化对统一潮流控制器性能的影响,文中采用模糊神经网络来设计统一潮流控制器.为此首先简单介绍了统一潮流控制器的控制策略,然后阐述了自组织模糊神经网络和基于遗传算法的模糊神经网络的构造方法,接着将自组织模糊神经网络、基于遗传算法的模糊神经网络结合统一潮流控制器的控制策略应用于两种统一潮流控制器.最后通过MATLAB仿真例子来验证:这两种统一潮流控制器的设计方法的有效性.     

Determination of optimal hierarchical fuzzy controller parameters according to loading condition with ANN

This paper represents an artificial neural network (ANN) backpropagation algorithm is used to choose best coefficients of hierarchical fuzzy power system stabilizer (HFPSS). PSS is used for stability enhancement of a single machine infinite bus (SMIB) power system. ANN algorithm is used to predict load condition of the power system. And according to the predicted load condition ANN determinates choosing optimal parameters of the hierarchical fuzzy controller (HFC) to achieve better performance. Simulation results are compared with conventional PSS (CPSS) to show the effectiveness of the proposed controller. Also quantitative criterias of measuring performance is computed for 16 loading conditions.     

Direct adaptive power system stabilizer design using fuzzy wavelet neural network with self-recurrent consequent part

This paper aims to propose a stable fuzzy wavelet neural-based adaptive power system stabilizer (SFWNAPSS) for stabilizing the inter-area oscillations in multi-machine power systems. In the proposed approach, a self-recurrent Wavelet Neural Network (SRWNN) is applied with the aim of constructing a self-recurrent consequent part for each fuzzy rule of a Takagi-Sugeno-Kang (TSK) fuzzy model. All parameters of the consequent parts are updated online based on Direct Adaptive Control Theory (DACT) and employing a back-propagation-based approach. The stabilizer initialization is performed using an approach based on genetic algorithm (GA). A Lyapunov-based adaptive learning rates (LALRs) algorithm is also proposed in order to speed up the stabilization rate, as well as to guarantee the convergence of the proposed stabilizer. Therefore, due to having a stable powerful adaptation law, there is no requirement to use any identification process. Kundur's four-machine two-area benchmark power system and six-machine three-area power system are used with the aim of assessing the effectiveness of the proposed stabilizer. The results are promising and show that the inter-area oscillations are successfully damped by the SFWNAPSS. Furthermore, the superiority of the proposed stabilizer is demonstrated over the IEEE standard multi-band power system stabilizer (MB-PSS), and the conventional PSS.     

基于级联网络的电力系统短期负荷预测

电力系统短期负荷预测对电力系统运行设计具有十分重要的意义。因此，在分析了电力负荷运行曲线的基础上，提出了一种基于级联模糊神经网络的预测模型。该模型采用基于神经网路理论的模糊模型参数辨识方法，很适合于复杂系统的模糊预测和控制。详细地对输入量的选择和学习算法进行了分析。实例表明，此方法具有町靠、鲁棒性好和快速等特点，优于神经网络电力负荷预报方法。     

Adaptive fuzzy sliding mode power system stabilizer using Nussbaum gain

Power system stability is enhanced through a novel stabilizer developed around an adaptive fuzzy sliding mode approach which applies the Nussbaum gain to a nonlinear model of a single-machine infinite-bus （SMIB） and multi-machine power system stabilizer subjected to a three phase fault. The Nussbaum gain is used to avoid the positive sign constraint and the problem of controllability of the system. A comparative simulation study is presented to evaluate the achieved performance.     

模糊神经网络在电力市场短期负荷预测中的应用

在电力市场下的短期负荷预测问题中，考虑到天气和其它影响因素，将模糊系统与神经网络在负荷预测系统中按串联方式连接组成模糊神经网络（FNN），进行短期负荷预测。在负荷预测过程中，首先对负荷、天气、日期等数据进行模糊化处理，然后采用两种典型有效的改进BP算法对神经网络进行训练，并比较其速度与精度等。最后用训练好的网络进行预测，将预测结果与实际数据进行比较，证明其具有较好的预测效果。     

基于模糊神经网络的导弹动力系统状态预测

在导弹的工作过程中,准确并快速地监控导弹动力系统的状态变化是提高导弹安全性、可靠性的重要环节。研究了基于补偿模糊逻辑与神经网络相结合的补偿模糊神经网络(CFNN)。利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立导弹动力系统状态参数预测模型。仿真结果表明,该模型收敛性好、预测精度高,对导弹动力系统状态参数具有较好的预测能力。     

多变量模糊控制的现状与发展（Ⅰ）：关于分层,自学习,自适应等问题

回顾了多变量模糊控制近年来的发展过程，着重介绍近年来出现的一些新研究方向，并对当前该研究领域的热点课题：模糊模型的辨识、多变量模糊自校正控制、模糊解耦、模糊分层控制、模糊神经网络的研究现状以及它们的发展趋势作了进一步讨论。