应用人工神经网络进行电力系统暂态稳定性分析的新方法

提出了一种利用人工神经网络进行电力系统暂态稳定分析的方法。该神经网络取故障后系统 暂态量为特征量，采用改进BP算法进行训练。将样本空间进行模式分类，并对不同类样本作 不同处理。以实际系统为例，将选用暂态特征与选稳态特征进行比较，验证了选用暂态特征 的准确性和有效性。     

神经网络式距离保护的混合训练算法

针对BP算法存在的缺陷，如训练速度慢，易收敛于局部极小点及全局搜索能力弱等，利用遗传算法能够进行全局最优化搜索这一特点，在改进的自适应遗传算法的基础上，提出了一种新的用于BP网络训练的混合算法，即改进的自适应遗传算法与BP算法相结合的混合训练方法。将所提出的混合训练方法应用于神经网络式距离保护中，利用ATP仿真计算的结果进行训练及检验,结果表明：所提出的算法与单一的BP算法相比，不仅可避免陷入局部极小点，而且提高了网络的训练速度，同时满足对距离保护的速度和精度的要求。     

感应电动机暂态电压失稳的定量分析

用时域仿真重现了感应电动机负荷引起的暂态电压失稳现象，进一步改进了感应电动 机暂态电压稳定的判据，以便尽早地中止仿真过程；还提出了暂态电压稳定裕度的概念和定 义，直接求取与暂态电压稳定相应的故障临界切除时间，以及与给定故障切除时间相应的极 限动态负荷。算法的有效性和强壮性在华中系统、浙江系统和新英格兰系统中得到了验证。     

暂态稳定分布式仿真计算的改进算法

电网互联和电力系统市场化发展趋势对暂态稳定分布式计算提出了要求。文中研究了电力非线性网络暂态稳定分布式仿真算法的计算效率问题，指出算法的瓶颈主要是子系统边界值的迭代求解计算，提出了改善非线性网络分布式求解效率的交接变量估计法，进行了数值验证，并与适于线性网络求解的并行处理方法、已有的电力网络暂态稳定初值估计法和交接变量调节法进行了比较。数值实验表明，文中提出的方法可在较大程度上稳定地改善暂态稳定分布式仿真分析的计算效率，与电力市场条件有一定的适应性。     

基于遗传算法的模糊优选BP网络模型及其应用

在模糊优选BP神经网络模型的基础上，引入遗传算法，提出融入遗传算法的模糊优选神经网络预测模型，是对模糊优选BP神经网络模型的进一步发展。其基本思路是：在BP算法训练网络出现收敛速度缓慢时启用遗传算法优化网络的运行参数，把优化的结果作为BP算法的初始值再用BP算法训练网络，这样交替运行BP算法和遗传算法，直到达到问题要求的精度。在新疆雅马渡站年径流量的预报中，预测模型在预报精度和算法的收敛速度方面都达到了较好的效果。     

暂态功率的积分用于TCSC的稳定控制

结合东北伊敏--冯屯含TCSC输电工程和电网稳定控制的实际情况，提出了一种较准确、动态响应快的暂态功率算法，可以用于电网暂态稳定控制中功率的计算。暂态功率算法采用三相信号，并且消除了其中的负序部分，波动大大减小。由暂态功率积分得到转速差，结果与实际值十分接近。数字仿真和动模实验说明，与离散傅里叶变换法及基于α-β分析的瞬时有功算法相比，暂态功率算法更适于电网暂态稳定控制。     

基于径向基函数网络的暂态稳定极限估计与预防控制

应用径向基函数网络进行电力系统中关键线路暂态稳定极限功率的在线估计，并结合训练后径向基函数网络所包含的输出对输入的偏导信息，提出了一种暂态稳定预防控制决策的方法。山东烟台-威海电网的实例仿真结果表明：径向基函数网络能够准确估计暂态稳定极限，包括关键线路极限功率和发电厂出力极限；所产生的预防控制决策可以防止发生预想事故后系统失稳，有效提高系统的暂态稳定性。     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。本文提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

带偏差单元的递归神经网络及其运用

近年来人工神经网络（ANN）在水文预测和水文分析中的应用越来越多，其中BP网络的应用尤为广泛，不少学者提出了很多基于改进算法的BP网络。通过研究，从改进网络结构出发，首次建立了带偏差单元的递归神经网络，并将它用于径流预测。应用实例表明，该结构的网络模型，通过改进网络结构，能很好地克服原BP模型收敛速度慢，网络学习，记忆不稳定等缺点。拟合，预报精度较原BP模型均有较大提高。     

自适应变步长BP神经网络在水质评价中的应用

为克服传统的BP网络的不足，采用自适应变步长算法（ABPM）来训练前馈人工神经网络。根据黄河流域的大汶河水系的水质监测的数据，建立了一个对地面水质进行判别的多层前馈网络数学模型。以地面水质七项污染指标为训练样本，对网络进行训练，并将训练好的网络用于水质进行评价，将计算结果与BP网络评价结果、单因子评价结果进行了比较分析。结果表明，ABPM神经网络方法收敛速度较快，预测精度很高，为水质评价提供了一种新方法。     

基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用

本文采用遗传学习算法和误差反向传播算法(BP)相结合的混合算法来训练前馈人工神经网络(BPN)，即先用遗传学习算法进行全局训练，再用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，本文将该方法运用于多维时序问题。根据山东省黑旺铁矿的矿坑充水条件建立了一个网络，以矿坑充水的各种控制因素相关资料作为样本，对网络进行训练并用训练好的网络预测矿坑涌水量。网络的训练速度及预测结果表明，该算法收敛速度较快，预测精度很高，为矿坑涌水量预报提供了一种新思路和新方法。     

基于LM—BP算法的综合水质评价研究

人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿，其在水质评价方面的应用研究在国内外尚处于初创阶段。在详细分析LM算法的基础上，提出了基于LM算法的水质综合评价BP模型，并将该模型应用于实例进行效果检验。结果表明：LM—BP模型用于水质综合评价是可行的，与其它评价方法相比，评价结果更加客观、合理，而且网络训练速度最快，适合作为水质综合评价的通用模型。     

基于自适应模型的变压器暂态全过程数值计算

为实现变压器的暂态全过程计算，建立了适合不同暂态阶段仿真的电磁暂态、跃变量和准稳态的abc坐标系统模型。在此基础上，根据不同暂态阶段的动态特性将上述模型相结合，应用面向对象技术建立了适合暂态全过程仿真的变压器自适应模型。仿真结果表明：该模型完整地描述了变压器的暂态过程，具有精度高、计算量小和转换判据可靠等特点，可用于电力系统过电压、故障分析和保护校验、交直流系统相互作用以及暂态稳定等问题的研究。     

地下水文预测中BP网络的模型结构及算法探讨

本文探讨了人工神经网络中不同BP网络结构和算法在区域地下水文预测中的应用，实例比较了不同层次结构、学习速率、隐层单元数及不同算法等对收敛效果、模拟预报结果的影响。提出了一些BP模型的设计应用技术，即学习速率的取值范围与BP网络层数有一定关系，层数多，稳定区间较小，一般学习速率取值为0.01～0.1。快速BP算法从训练速度，收敛精度等方面均优于普通BP算法，可作为改进BP算法之一。在此基础上根据黄河河套灌区多年的水文、气象和地下水信息，对灌区多年的年地下水埋深变化进行了模拟，预测了河套灌区节水工程实施后未来灌区地下水位下降的趋势，为大型灌区节水工程改造与BP模型在区域地下水文中的应用提供了参考。     

应用优化神经网络算法预报地下水位

根据地下水及其影响因素之间存在的映射关系，在BP网络模型的基础上，提出一种Levenberg-Marquart优化神经网络算法，并用于地下水位的预测．与传统的BP算法相比较，该算法的预测精度较高，计算结果稳定性好，收敛速度快．     

基于遗传神经网络的城市用水量预测研究

介绍了BP(误差反向传播算法)和GA(遗传算法)及GA-BP 3种神经网络,并以此分别对城市用水量进行预测.实验结果表明,基于GA-BP算法的神经网络方法应用于城市用水量的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为未来短期城市用水量负荷的准确预测提供了新的思路与方法.     

汽轮发电机组振动故障诊断中的改进BP算法

针对大型汽轮发电机组振动故障的特点，提出了一种基于误差逼近度渐进收缩学习算法的反向传播（BP）网络诊断模型，给出了BP网络误差函数和新型的权值调整公式，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡。     

基于ACO-BP神经网络的土石坝位移监测模型研究

建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜寻BP神经网络参数最优解,并通过样本数据训练BP网络获得大坝变形位移预测值。工程实例应用表明:ACO-BP网络模型在参数优化方面较BP网络更易于收敛,误差较小、预测性能良好,可为大坝变形位移监测和安全预报提供一种新的非线性建模仿真分析方法。     

考虑暂态稳定指标的负荷经济分配新算法

基于最大可调裕度和暂态安全代价的概念，给出了考虑暂态稳定性的负荷经济分配模型及其算法。该方法用高阶泰勒级数快速仿真故障轨迹，在求得暂态能量的同时计算暂态稳定裕度对控制变量的灵敏度，并用于负荷分配。试验算例证实了该方法的有效性。由于暂态稳定问题的非线性，如何处理多故障场景和合理分摊暂态安全费用有待进一步研究。     

基于人工神经网络的河川径流实时预报研究

将人工神经网络技术应用于河川径流实时预报，建立起河川径流实时预报的BP网络模型，并针对经典BP算法所存在的缺陷，采用共轭梯度优化和误差反向传播训练算法，使得所建立的BP网络模型的收敛性大为改善，消除和避免了实际应用中可能出现的局部优化问题．利用西大洋水库1975～1995年的入库径流系列资料，对所建立的BP网络模型进行训练和检验，同时探讨了网络结构对网络模型预报结果的影响．通过大量的实际应用和对比分析，表明BP网络模型比HG分析模型和相关图法更优越、更具有实际推广和应用价值．