基于神经网络的同步发电机励磁反步控制

针对同步发电机励磁系统严重的非线性以及参数非精确可知的特点，提出了一种基于神经网络的反步(Backstepping)控制方法，实现了多目标量的励磁控制。神经网络的运用解决了反步控制与励磁系统不满足匹配条件的矛盾。系统设计采用了特殊的在线权值修正算法，不需要离线学习阶段。由稳定性证明可知：控制算法中各参数的设计并不要求被控对象参数精确可知，系统具有较好的鲁棒性。仿真结果表明：该控制方法与PID控制相比具有超调量小、调节速度快等优点。     

大型汽轮发电机组失磁失步后再同步条件和措施

通过对大型汽轮发电机组在不同失磁故障下的计算分析，着重进行了失磁失步后再同步 的条件和措施研究，并对实际系统进行了从失磁到失步以及经控制后再同步过程的全面数字 仿真，证实所提出的控制策略是正确的。     

基于阻抗的发电机失步保护的研究

随着现代电力系统向大机组，高电压方向发展，发电机的失步保护日益得到重视。阐述了几种基于阻抗的发电机失步保护方案，并从它们的构成原理上分析其动作特性，从而对现有的几种基于阻抗的发电机失步保护作一比较。     

基于模糊神经网络的同步发电机转子匝间短路预测

模糊神经网络是模糊逻辑与神经网络相结合而构成的，具备了模糊技术和神经网络技术的优点，从而被应用于电力系统故障诊断中，是一种使用方便的处理系统，基于模糊神经网络对同步发电机转子匝间短路故障预测进行研究，经过训练后的模糊神经网络，在对发电机转子匝间短路故障进行预测时，有较高的准确性和有效性。     

发电机振荡和失步

电力系统中正常运行时各台发电机都处于稳定状态,当系统发生某些重大事故,就会破坏发电机的稳定运行,使发电机产生振荡.在日常工作中,常常可以见到发电机表计的幌动,甚至是"电系突波"(即电力系统中因大的操作或发生了某些故障所产生的波动),但在很短的时间内就恢复正常了,那是因为振荡不严重,还不能发展到失步.如果事故严重,就可能使发电机产生强烈的振荡,使发电机与系统失去同步.发电机失步时,轻者使机组发生振动、系统发生振荡,重者将使电力系统瓦解成若干小系统,给电力网的运行和国民经济带来严重后果,因此应努力避免产生失步现象.     

发电机失步保护新判据的原理

研究了发电机转子运动规律和功角特性,提出了失步保护的新判据,它能在滑极之前准确预测失步,并具有构成简单和适应性强的特点,因此易于实现,是失步保护的一种实用方法。     

基于能量原理的新型发电机失步预测及失步保护的研究

介绍一种基于等能量原则的微机发电机失步预测及失步判断的新方法。在扰动消失时刻就能 够预测振荡是否为非稳定振荡，必要时发出失步预测信号；在发电机到达其动稳极限点时就 能够准确地作出是否将要失步的判断，便于及时采取抑振措施，最大限度地消除非稳定振荡 或减少振荡持续时间。     

消毒柜的模糊神经网络控制器的设计

单一的模糊控制器控制精度不是很高,通过BP神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织。研究表明,将神经网络原理运用于模糊控制,可以改善控制器的静态性能和鲁棒性能。     

模糊神经网络实现的参数自校正控制

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆参数调整规则,从而构成了ＰＩＤ参数调整机构,经过离线训练后,可使ＰＩＤ参数按模糊规则规定的基本原则在线调整。仿真结果表明,对非线性系统的控制,这种方法比常规的ＰＩＤ控制具有更好的动静态性能。     

基于粒子群模糊神经网络的短期电力负荷预测

为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将粒子群算法和BP算法相结合的短期负荷预测方法。用粒子群算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测。在构建网络模型时,考虑了气候、温度等因素的影响,并把它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

基于PSO的模糊神经网络短期负荷预测

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型。将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

基于免疫遗传模糊神经网络的永磁同步电机控制

在分析永磁同步电动机(PMSM)数学模型的基础上,提出了一种基于免疫遗传算法(IGA)的递归模糊神经网络(RFNN)控制器的设计方法,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器中,对永磁同步电动机实现精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

用模糊神经网络模型评估电能质量

为了综合量化评估各种电能质量,实现按质论价、优质优价的购电原则,建立公平的电力市场,提出了结合人工神经网络和模糊识别理论,构造出模糊神经识别网络;根据电能质量评估的实质,构建了电能质量综合评估的模糊神经网络模型。研究表明,模型提高了识别系统的柔性处理能力,具有很强的自组织、自学习和自适应能力,可以使输出结果唯一、客观;模型不仅可确定电能质量的等级,还能评估某一等级的电能质量,从而识别同一等级电能质量的差异,分类能力和排序能力较强;模型引入隶属度概念,使评估结果更加具体。实例计算结果表明,模糊神经网络模型用于电能质量综合评估,其评估结果更为客观、合理。     

基于CMAC神经网络的永磁同步电机控制方法研究

将一种基于CMAC神经网络的PID控制器引入到永磁同步电动机交流调速系统中,取代传统的PMSM双环控制系统中的转速外环PI控制器。实验结果表明,运用该控制方法的系统响应快、超调小、鲁棒性好,较常规PI控制具有更好的动、静态性能。     

模糊神经网络辨识和控制在非线性系统中的应用研究

针对生成过程中存在大量的非线性系统,采用传统的控制方法不能达到满意的控制效果的实际情况,提出一种基于模糊神经网络(FuzzyNeuralNetwork:FNN)的控制策略,融合模糊控制和神经网络的优点,根据过程变量的动态变化实施控制器的在线参数调整使非线性系统的控制获得了良好的效果,仿真表明了该控制方案的优越性。     

基于SPDS神经网络的电流保护

提出一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是 3层SPDS神经网络模型 ,由 3部分构成 :故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。对该模型进行了各种故障状态的测试及仿真实验 ,并与BP网络进行比较 ,发现SPDS网络训练速度快 ,且证实了基于SPDS网络的电流保护的可行性