神经网络逆系统及其在电力系统控制中的应用

阐述和证明了基于输入输出微分方程描述的系统可逆性的充分条件，并给出了相应的解析逆系统的实现方法。文中同时研究了采用积分器和静态神经网络组成动态神经网络结构的方法，并将这种神经网络结构与逆系统理论相结合，提出了神经网络α阶逆系统的结构及其实现步骤，运用该神经网络α阶逆系统对TCSC控制器进行了设计。实际系统的仿真结果证实了所设计控制策略的有效性。     

神经网络α阶逆系统控制方法的可行性

证明满足一定条件的单输入单输出系统的α阶逆系统(与原系统复合起来可构成α阶积分或 时延系统)存在且唯一，阐明静态多层网络加若干积分器或时延因子可以逼近这样的α阶逆 系统，对神经网络α阶逆系统方法用于线性、非线性控制的可行性作了探讨。     

神经网络在结构振动控制中的应用

采用BP神经网络对一个SDOF体系被控对象的控制器进行系统辨识，比较了BP算法与LQR经典线性算法控制下体系反应的控制效果，对于影响BP神经网络用于结构振动控制的相关问题进行讨论，同时指出神经网络的应用应参照问题客观数学模型的描述，以利于快速找到问题的合适解决方案。     

神经网络α阶逆系统TCSC非线性控制器

提出了一种新型的神经网络α阶逆系统可控串联补偿(TCSC)控制器 结构，将结构完全相同的TCSC控制器(仅神经网络的权值不同)分别运用于一个单机无穷大系 统和一个由49条等值支路和19台等值机所组成的实际电力系统的稳定控制，仿真结果表明系 统的稳定性都得到显著提高，同时说明这种TCSC控制器结构具有更强的适应性和更广的适用 范围。     

多目标励磁控制的神经网络逆系统方法

根据逆系统理论分别分析了以机端电压和功角为被控量的励磁系统的可逆性，并采用不同的神经网络逆系统结构实现了对单目标量的励磁控制。针对单目标励磁控制不能够同时改善功角稳定性和机端电压稳定性的不足，在以机端电压为被控量的神经网络逆系统结构中引入功角偏差反馈信号，设计了多目标神经网络励磁控制器。研究结果表明，应用该方法能够实现多目标励磁控制，综合性能优于单目标的神经网络逆系统控制方法和常规PSS控制方法。     

基于RBF神经网络的水轮机调节系统辨识

针对水轮机确切数学模型难以建立的问题以及水轮机调节系统非线性动态仿真的复杂性,利用RBF神经网络的局部逼近特性和快速收敛能力,实现水轮机调节系统非线性特性的辨识建模。将该模型应用于水轮机调节系统仿真,能快速准确地得到系统及机组内部各参数的变化规律。仿真结果表明,模型精度高,实用性强,从而为调节系统过渡过程的计算以及高级控制策略的研究提供了有力的支持。     

静止无功发生器递归神经网络逆动力学控制

根据对角递归神经网络的特点分析了其非线性映射能力，并根据新型静止无功发生器(ASVG) 的特点提出了ASVG递归神经网络逆动力学控制。所构造的控制器由于可以实现ASVG电力系统 非线性逆动力学特性的学习，因而根据期望的控制效果可以获得期望的控制量。理论分析与 仿真实验表明，这种控制器可以对ASVG实现良好的控制。     

神经网络智能PID控制及其在水轮机调速器中的应用

对神经网络控制在水轮机调节中的应用进行理论分析,将基于BP神经网络的PID控制器和模型辨识神经网络应用于水轮机频率扰动仿真试验中,结果表明具有较好的动、静态特性和较强的鲁棒性,为神经网络在水轮机调速器中的应用打下理论基础。     

基于逆系统方法的HVDC系统一般非线性控制

对于高压直流输电系统中整流器定直流电流、逆变器定关断越前角的控制问题，采用系统的三阶非仿射非线性控制模型，根据多变量控制的逆系统方法，设计了基于非线性反馈线性化和线性二次型最优的组合控制器，并给出了闭环系统稳定的充要条件。仿真结果证明了结论的正确性和文中所提方法的有效性。     

系统辨识技术在大坝观测资料分析中的应用

在系统辨识理论中，通常的大坝观测资源分析被认为是“离线”的，但是，随着计算机的广泛普及应用，加之微机自动化观测系统的出现，有的已成功地应用于各种大坝的变形观测，“在线”地处理这些源源不断的观测资料已成为必然，这就是本文所考虑的。此外，当传统地人工采集观测数据时，本算法在计算机上也具有一定优越性。文章还讨论了多个效应量统计学模型的建立及“在线”估计问题。     

“单位反馈非线性系统”辨识方法的探讨

本文利用算子符方法及傅里叶变换对单位反馈非线性系统的辨识进行了讨论，并给出了一种计算方法及辨识算式。     

神经网络在调水工程水力控制优化中的应用

通过研究RBF神经网络整定PID调节器的原理，并把它应用在调水工程水力控制优化中。建立了整定水位PID调节器的控制模型，优化变速泵控制前池水位变化系统的动态品质。通过实例分析比较，表明经过整定的PID调节器，能使系统调节性能得到优化。     

非线性系统Wiener模型的一种辨识方法

本文利用相关分析方法，研究了非线性系统Wiener模型的结构判定问题，为辨识一大类可以表示成这种模型的黑箱非线性系统提供一种重要的判别依据。     

神经网络预测与模糊控制在河流模型水位控制中的应用

结合神经网络与模糊逻辑，提出了一种新的控制方法，解决了对非线性，时变，时滞严重，难以建立精确数学模型的动态控制问题，并应用于河流模型水位控制中，取得了很好的控制效果。     

基于系统辨识的广域时滞鲁棒阻尼控制

针对电力系统区间低频振荡问题,提出了一种利用广域测量信号的电力系统阻尼控制器的设计方法。该方法采用广域测量系统（WAMS）提供的准实时测量数据,通过Prony传递函数辨识法和纯时滞环节Pade逼近法建立时滞电力系统模型;然后基于混合灵敏度 H ∞ 控制理论和极点配置方法设计阻尼控制器,使闭环系统在满足 H ∞ 性能指标的前提下极点分布于合适的区间,从而获得所需的系统动态性能。4机2区域电力系统和新英格兰测试系统仿真实例表明,采用广域测量反馈信号的阻尼控制器能够显著提高系统区间低频振荡的阻尼,并且具有时滞不敏感性。     

基于逆系统方法的汽轮发电机综合控制器

采用多变量非线性控制的逆系统理论分析了汽轮发电机组励磁与汽门系统的可逆性，并运用逆系统方法将这一多变量、非线性、强耦合的复杂被控对象解耦成两个独立的SISO线性化积分型子系统，然后基于线性系统理论设计了综合控制器。研究结果表明，该控制策略实现了励磁控制与汽门调节的动态解耦，应用该方法可显著提高电力系统的暂态稳定性。     

PID控制原理及其在监控系统中的应用

介绍了PID控制的基本原理,阐述了比例参数、积分参数和微分参数的作用和整定方法。通过MATLAB仿真软件,直观展示了三个参数对系统调节的影响。结合MBPro编程软件,详细分析了监控系统中PID控制的实现方式并列举了应注意的问题。     

神经网络预测与模糊控制在河流模型水位控制中的应用

结合神经网络与模糊逻辑，提出了一种新的控制方法，解决了对于非线性、时变、时滞严重、难以建立精确数学模型的动态控制问题。并应用于河流模型水位控制中，取得了很好的控制效果     

基于EE模型的励磁系统参数时域辨识法

提出一种基于EE(方程误差)模型的时域辨识算法，通过对离散采样数据的多重积分(PLPF法)估计模型参数值，直接求取待辨识系统微分方程的系数；再根据微分方程的系数，由待定系数法得到一个非线性方程组，然后用牛顿迭代法求解得出传递函数的模块环节实际参数。该方法的优点在于根据输入输出采样数据直接在时域上进行参数辨识，方法简便，较好地解决了由传递函数多项式a，b系数转化为传递函数框图环节参数的实际需求。该方法通过工业试验得到校核验证。