基于人工神经网络的新能源电网微变检测方法

电网微变检测对于维护电网平稳运行至关重要。为确保检测结果精度符合要求,本研究基于人工神经网络的新能源电网微变检测方法展开研究。首先,检测新能源电网运行中产生的弱信号的频率;然后,引入人工神经网络,将多层感应器与能量网相连,实现对电网微变的感知;最后,通过对多层感知器进行迭代训练,完成对新能源电网频率的测量,进而检测新能源电网的微变情况。对比实验结果表明,在实际应用中,该方法的频率测量误差更小,使得微变检测精度得到有效提升,可为新能源电网安全、可靠运行奠定基础。     

电网频率的微机测量新方法

提出了一种利用采样值进行电网频率微机测量的新方法。该方法实现简便,计算量小,测量精度高,特别适合于电网频率的实时测量。     

一种基于人工神经网络的谐波测量方法

通过构造特殊的多层前馈神经网络,利用模拟并行谐波测量装置的基本原理,建立相应的谐波测量电路,给出电路的训练算法和步骤,研究训练样本的形成方法。仿真结果表明提出的基于人工神经网络的谐波测量方法的有效性。     

基于相位差校正的电网频率高精度测量

电网频率是重要的电能质量指标之一,频率的高精度测量同时也是许多应用技术的基础.该文介绍一种基于相位差校正的电网频率测量方法.理论分析和仿真表明这种方法具有较强的抗干扰性,其频率测量精度主要与信噪比、频率偏差及采样数据的长度有关.该方法原理简单、运算速度快、校正精度高,能够满足电力系统测量实时性要求.     

基于相位差校正的电网频率高精度测量

电网频率是重要的电能质量指标之一,频率的高精度测量同时也是许多应用技术的基础。该文介绍一种基于相位差校正的电网频率测量方法。理论分析和仿真表明这种方法具有较强的抗干扰性,其频率测量精度主要与信噪比、频率偏差及采样数据的长度有关。该方法原理简单、运算速度快、校正精度高,能够满足电力系统测量实时性要求。     

一种基于自适应陷波器的电网频率测量新方法

该文提出一种测量和跟踪电网频率变化的新方法：采用两级自适应陷波滤波器结构，第一级陷波器用来滤除谐波并得到加强的基波成分，再经过降采样处理把基波频谱拓宽后，由第二级陷波器来估计基波频率。陷波器的自适应算法是非梯度搜索的，使其运算量大大简化，适用于实时处理的场合。并通过仿真来说明该方法具有测量精度高和响应时间快的特点。     

一种基于人工神经网络的电力谐波测量方法

提出了一种新颖的电力谐波测量方法,它用一个多层前馈神经网络替代模拟并行式谐波测量装置中的带通滤 波器,使各次谐波都可以用这个训练过的神经网络测量出来。阐述了该神经网络训练样本的组成和训练方 法。对一含有谐波的畸变电流的仿真结果说明了这种测量方法的有效性。     

电网频率考核数学模型的推荐

电网频率考核数学模型的推荐华北电力调度局蒋晓荣１问题的提出电网频率是电能质量的一项重要指标，其运行偏差必须控制在规定的范围内。频率的调整和控制是保证发供电平衡、确保电网安全稳定运行的重要工作之一。华北电网目前已形成跨省（区）大电网，实行联合电网、统一...     

基于混沌振荡电路的频率测量方法

设计了一种基于混沌振荡电路来进行频率测量的新方法，该测量方法不需要基准时钟，测量精度不随被测频率的变化而受影响，且测量精度较高、电路简单、成本低廉。     

人工神经网络在华北电网负荷预测中的应用

文章介绍了人工神经网络在华北电网短期负荷预测中的研究与应用,这种方法可以考虑气象因素在短期负荷预测中的影响,它能够准确地预测出华北电网的负荷,预测的结果表明这种方法在短期负荷预测中可以使精度提高０．９％。     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

电力系统频率测量综述

较为全面地综述了国内外在电力系统的频率概念及其测量技术方面的研究成果。以观测模型为依据,探讨了各种电力系统频率的异同;针对频率测量的目的,提出了测量的基本要求;以测频主算法的数值特征为线索对历史上各种测量算法进行了系统的分类与评述;讨论了测量的硬件实现及其测量试;最后对电力系统频率测量的发展趋势提出看法。     

基于局部特征量的神经网络方法在变压器故障诊断中的应用

本基于局部特征量的神经网络方法对变压器的故障诊断进行了新的探索，建立了相应的故障诊断的神经网络压缩模型，实例诊断结果证明了这种方法的有效性。本方法能够诊断传统的三比值法无法诊断的故障，对于其它的故障诊断也有一定的参考意义。     

基于人工神经网络的电力系统暂态安全域估计

本文提出了一种利用人工神经网络来描述和拟合电力系统暂态安全性能的方法方法，介绍了一种将集总学习规则和最小二乘法结合起来的快速学习算法。利用某一简化的电力系统。对本方法进行了验证，并将所提出的快速学习方法和传统的B-P学习法进行了比较。     

电力变压器故障诊断的神经网络方法

提出并研究了电力变压器故障诊断的人工神经网络方法。根据变压器故障 诊断问题的特点，采用神经网络分块技术，将网络的输入、输出分别与故障症 状和故障类型相对应，建立了故障诊断的神经网络模型，并对故障实例进行了 测试验证。计算结果证明了这种方法的有效性和潜在的应用价值。     

用母线电压测量电力系统频率的一种新方法

本文提出了一种测量电力系统频率的简单方法。此方法基于曲线拟合技术.并且利用了母线电压的采样值。文中陈述了这一新方法的数学推导,讨论了影响算法精度的主要参数.基于该新方法在IBM—PC机上编制了软件程序,利用模拟数据对算法进行了大量的计算验证.结果表明,在12位A/D变换场合下,当频率在正常值左右波动±5Hz时,新测量方法的最大绝对误差小于±0.05Hz.为了考验测量方法在系统发生扰动时的稳定性,对现场记录的数据进行了计算,计算结果表明,当采取适当滤波技术后,该测量方法在系统发生扰动时仍能准确地跟踪系统频率的变化.文中给出了模拟数据和现场记录数据的计算结果。     

变拓扑人工神经网络负荷预报

提出变拓扑人工神经网络(ANN)预报电力系统负荷的方法。所提出的模型能较 全面地反映影响负荷变化的各种因素。ANN在BP算法的学习中，需用的数 据窗最短。通过人机会话，可灵活地实现不同预报期限的负荷预报。算例表明 ，方法是有效的，预报精度比常规方法高，收敛性好，计算速度快，适于在线 应用。