相似法在系列交流接触器设计中的探讨

在系列交流接触器的设计中,采用相似法初步确定其结构尺寸和参数是十分快速而有效的,再通过试验修正,得到合适的结构尺寸和参数。本文所导出的结论部分可作为其它低压电器设计的参考。文中叙述了交流接触器在设计中应用相似法必须满足的条件、导电零件的基本参数和尺寸、触头参数及电磁系统等。     

EM算法优化WDRNN短期负荷预测模型

提出了类电磁机制算法优化的小波对角递归神经网络的短期负荷预测模型,在常规的对角递归神经网络的隐含层神经元之间增加了同层神经元之间的相互连接,使隐含层单元之间存在相互的信息交换,模型的动态性能得到增强;隐含层函数采用小波函数,通过伸缩因子和平移因子的引入,使模型具有较强的逼近能力和容错能力.采用类电磁机制算法对小波对角递归神经网络进行优化,具有全局优化能力强、编程实现简单、收敛性好等优点.经实际负荷系统预测仿真测试,结果表明所提出的预测模型能得到满意的预测精度.     

1000 kV特高压交流输电线路耐张串电位分布计算及均压环优化设计

根据实际尺寸,建立了耐张串的三维有限元计算模型,将仿真结果和武汉高压研究所的试验测量结果进行了对比分析。为了改善绝缘子串的电压分布,应用人工神经网络优化方法,对一字形布置耐张串的均压环进行了优化设计。另外,为了加快神经网络的训练速度,选择了Levenberg—Marquardt快速学习法对均压环优化神经网络进行训练,优化结果证明神经网络优化法具有很好的优化效果。     

智能交流接触器电磁系统结构设计与优化

针对接触器吸合时动静铁心碰撞以及动静触头的振动会降低接触器的机械寿命和电寿命的问题,从接触器电磁系统的结构型式考虑,采用正交试验的方法来优化电磁系统的结构。首先,利用电磁场仿真软件建立电磁系统的模型。然后,通过正交试验的方法,研究动静铁心的不同部位尺寸对动静触头闭合速度、动静铁心闭合速度、动铁心动能的影响,并对仿真的结果进行极差分析和追加试验。最后,通过优化减轻了触头的振动,减小了动静铁心的吸合速度和动静铁心吸合时动铁心能量,提高了接触器的机械寿命和电寿命,为交流接触器电磁系统的优化提供了可靠的方法。     

船用直流接触器电磁铁的优化设计

以三维有限元分析为基础,采用ANSYS软件,对直流接触器电磁铁进行了优化设计,以满足船用直流接触器耐冲击、抗振动和工作电压范围大的特殊要求.根据双绕组电磁铁的特点,分析了铁芯高度、线圈尺寸和气隙长度对电磁吸力的影响.优化后的直流接触器通过了相关型式试验.     

小波神经网络在电磁场优化问题中的应用

本文利用基于小波变换的单隐层前馈型神经网络，模拟高度复杂的非线性映射，针对电磁机构的优化问题，小波神经网络使用来自有限元分析的训练信息，通过选取一簇适当的小波基函数合成具有一定拓朴结构的小波网络，且网络的训练过程是对一个凸函数的优化过程，从而能得到全局最优解，学习的收敛速度很快。我们将之应用于交流真空接触器直流激磁系统的优化设计中，取得了较好的效果。     

基于模糊神经网络的电力系统预想事故排序方法

提出了一种基于模糊神经网络的电力系统预想事故排序新方法。该方法首先定义了反映预想事故严重程度的有功性能指标,同时构造3层人工神经网络(ANN)并采用误差反向传播(BP)算法加以训练;其次对ANN的输入用模糊神经网络进行特征选择,减少了输入层和中间隐含层的神经元个数及训练时间;最后通过IEEE 30节点系统验证了所提方法的有效性,仿真结果说明采用模糊神经网络进行输入量特征选择预处理可减少神经网络的训练时间。     

人工神经网络在电力系统短期负荷预测中的应用

介绍了BP神经网络算法的原理以及对其采用非线性阻尼最小二乘法Levenberg-Marquardt进行优化的方法。采用MATLAB的神经网络工具箱建立了一个单隐层的BP神经网络模型和预测流程,采用24个输入人工神经网络模型预测每天的整点负荷,并且讨论了如何进一步通过改变网络参数以提高负荷预测精度。实验仿真结果表明,此方法预测短期电力负荷,可以得到令人满意的训练速度及预测精度。     

由集成电路驱动和带超级磁铁的电磁接触器

一、产量概述电磁接触器用以接通和分断以电动机为主的各种负载,现正大量地用于各种电气设备中。但目前的电磁接触器存在许多问题,如由于操作电压变化引起的线圈烧毁、触头熔焊等。本文介绍的超级磁铁在世界上属于前创,它采用了电子控制的电磁铁驱动系统。由于在操作电路中安装了集成电路,可进行最优控制,大幅度地提高了运行可靠性,可防止电磁接触器因电压变动而产生的故障。二、结构和原理1.结构超级磁铁出直流电磁铁和装有集成电路的电子线路构成,电子线路被组件化后,可紧固在电磁接触器的侧面或底面。     

上网电价预测中运用修正神经元输出函数对BP模型动态修正的探索

阐述了人工神经网络模型的基本原理,研究分析了BP神经网络模型非线性特性差和对实际情况反应"迟钝"等缺陷,提出了通过修正神经元输出函数对BP神经网络模型进行动态修正的优化方案,从而提高了BP神经网络模型的收敛速度.在此基础上,将修正后的BP神经网络模型引入到上网电价的预测中.模拟运行结果表明,修正后的BP神经网络模型可以更好地适应发电厂报价的复杂环境.     

基于蚁群算法的智能交流接触器优化设计

蚁群算法是一种新型模拟进化算法,为求解复杂的优化组合问题提供了一种新的思路和方法.本文将蚁群算法引入智能交流接触器控制参数和电磁机构结构参数的优化设计中,使智能交流接触器具有更加合理的电磁机构与动态特性,提高了智能交流接触器各项性能指标.     

智能交流接触器仿真分析软件的开发与应用

基于ANSYS软件的二次开发技术,以VC 开发了智能交流接触器设计及优化软件,并对交流接触器电磁机构进行优化设计和智能化改造。通过采用可变电流控制获得理想吸、反力配合曲线的方法,实现交流接触器的智能操作。结果表明,改造后的交流接触器节能、节材,大大减少了触头的弹跳时间。     

基于自适应RBF神经网络的变压器噪声有源控制算法

针对现有变压器噪声有源控制算法存在的不足,提出了一种用于抑制噪声的新算法。该算法融合了自适应算法、粒子群算法、改进梯度下降算法及RBF神经网络算法。首先利用自适应算法确定降噪系统控制器中RBF神经网络隐含层节点个数和相应的参数;然后,根据切换策略自适应地选择粒子群算法或者改进梯度下降算法,用来优化节点数目和参数;最后,将优化得到的隐含层结构和参数反馈至系统控制器中,使系统的次级声源更好地抵消源声源。通过将所提的改进RBF神经网络法与未改进的RBF神经网络法和BP神经网络法进行比较,表明该算法可有效地提高降噪系统的自适应能力和抗干扰能力,且能够将噪声控制在较低的范围内,获得较理想的降噪效果。     

基于QPSO_RBF的电力系统短期负荷预测

针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题,提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法,在确定网络隐含层节点个数后,将RBF网络各个参数编码成学习算法中的粒子个体进行优化,由此可在全局空间中搜索最优适应值的参数。用优化后的网络进行负荷预测,结果表明,该方法与传统的负荷预测方法相比,减少了训练时间并提高了预测精度,具有较好的应用前景。     

智能交流接触器零电流分断技术

零电流分断技术是交流接触器智能化研究的重要内容。本文采用Ansys电磁场软件和基于遗传算法的人工鱼群优化算法对智能交流接触器电磁动作机构进行以快速分断为目标的优化计算,不仅保证智能交流接触器可靠与优化的接通过程,而且实现了动作机构快速释放,从而大幅度减小机构分散性对三相触头特别是首开相触头零电流分断准确性与稳定性影响,提高零电流分断的可靠性,从而提高了交流接触器智能化技术的研究水平。根据优化设计结果加工了样机,对样机测试与试验的结果表明,智能交流接触器的分断时间大幅缩短,三相触头分断时间稳定性也得到明显改善,因此零电流分断的可靠性显著提高。     

燃煤锅炉效率与NOx排放混合建模研究

介绍了RBF神经网络的结构和特点,进而讨论了遗传算法与RBF神经网络相结合的方法.以某300MW电站锅炉燃烧调整试验数据为基础,利用RBF神经网络对锅炉效率与NOx排放混合建模,并用遗传算法优化RBF神经网络的性能,使其预测精度大幅提高.同时RBF神经网络具有收敛速度快的独特优点.因此,优化后的RBF神经网络模型为下一步的锅炉运行参数优化和燃烧优化系统的建立奠定基础.     

基于GA-RBF神经网络的变压器温升预测

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型。首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性。以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力。     

基于BP神经网络的交流接触器剩余电寿命预测

交流接触器广泛应用于各种用电控制系统,对其剩余电寿命进行准确预测可以提高用电控制系统运行的可靠性。建立了交流接触器剩余电寿命预测的神经网络模型,并提出网络模型结构参数的确定方法。采用平均影响值(MIV)筛选方法对预测模型输入参量进行筛选,确定了累积燃弧能量和吸合时间为预测模型的主要输入参量,能够反映影响交流接触器电寿命的关键因素。分析了不同神经网络模型下交流接触器电寿命的预测误差,其中自适应遗传算法优化BP神经网络(AGA-BP)模型的预测精度最高。分析了输入参量对神经网络预测结果的影响,对比了输入参量无筛选、因子分析法、MIV筛选下预测的误差,结果表明采用MIV方法筛选出累积燃弧能量和吸合时间进行交流接触器电寿命预测的效果最好。将不同试品的试验数据分别作为训练样本和验证样本进行预测,其最大预测误差在11%以下,因此预测模型满足工程需要。     

智能交流接触器零电流分断控制技术的实现

对智能交流接触器零电流分断控制进行了详细的研究,在大量试验的基础上,研究影响电流过零分断控制的主要因素,从而提高了电流过零分断控制的可靠性,并实现了三相电路的微电弧能量分断控制。零电流分断控制分断过程的动态计算与分析对于实现零电流分断的智能交流接触器的研究是至关重要的。通过建立基于神经网络的智能交流接触器分断过程动态预测模型,从而提出智能交流接触器分断过程动态计算与分析的新方法,为产品研究开发及虚拟优化设计奠定基础。