多层SPDS神经网络式电流保护

提出了一种基于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，由三部分构成：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。通过大量的Matlab和EMTP仿真实验，对该模型进行了各种故障状态的训练和测试，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。     

神经网络在系统建模中的应用研究

提出了一种基于BP算法的余弦基神经网络模型，给出了该神经网络算法收敛性条件，研究了该神经网络算法在系统建模中的应用实例。计算机仿真结果表明该网络模型收敛速度快，在系统建模中不仅是有效的而且是优异的。     

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。     

基于级联神经网络的短期负荷预测方法

针对常和BP算法预测速度慢、易陷入局部最优解的缺点，提出了基于RBF网络和BP网络的级联神经网络预测方法，把天气因素和历史负荷对负荷预测值的影响分开考虑，其中RBF子网络用于描述历史负荷的影响，BP子网络则对在RBF子网络中难以考虑的天气因素给出了较好的映射关系，最终将两个子网络组合为一个级联神经网络，一系列的研究算例证明该方法是快速，准确的。     

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题，在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播（BP）网络算法，并建立了相应的网络模型。大量的数据分析计算表明，该模型收敛快，且精度优于常规的模糊神经网络和传统的统计模型。     

一种基于混沌神经网络的测试生成算法

基于组合电路测试生成的Hopfield神经网络模型，提出了一种利用混沌神经网络的全局搜索能力进行测试生成的有效算法。该算法综合了随机性和确定性算法的优点，通过对有关参数的调节，使网络逐渐由混沌神经网络向Hopfield神经网络过渡。实验结果验证了该测试生成算法的有效性与相关性能。     

一组样条神经网络建模

采用一组样条基函数作为在层前向神经网络中各隐层神经元的传递函数，再以其加权和函数作为网络的非线性输出特性，构成一种样条神经网络模型。仿真实验表明，该网络具有良好的识别非线性系统的性能。     

神经网络在谐波监测中的应用

利用模拟并行测量的基本原理，构造了一个特殊的多层前向神经网络，用于电网谐波监测。并给出了该神经网络的结构及训练方法和步骤，指出该网络的训练样本的形成方法，得出了仿真研究的结果。     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

基于模糊神经网络的数据挖掘算法

提出了一种基于模糊神经网络的数据挖掘算法，通过计算隶属函数、构造及训练模糊神经网络、网络裁减、规则提取等步骤实现该算法，通过仿真，验证了该算法的正确性。     

基于混合整数线性规划的含ZIP负荷有源配电网重构方法

随着分布式电源并网和负荷类型的日益复杂,传统配电网重构模型尚未考虑复杂的综合负荷模型。提出了考虑ZIP综合负荷模型的有源配电网混合整数线性规划方法。在辐射状配电网二阶锥潮流模型的基础上,通过线性回归法将ZIP负荷模型等效为ZP负荷模型,建立基于混合整数二阶锥规划的有源配电网重构模型。通过多面体近似将二阶锥约束进行线性化,建立基于混合整数线性规划的有源配电网重构模型。在三个不同规模配电系统的仿真结果表明,基于混合整数线性规划的有源配电网重构模型精度与基于混合整数二阶锥规划的几乎相同,但优化效率提高了15%~30%,具有较高的优化精度和效率。     

接地网接地电阻的计算机仿真

本文提出了一种计算任意形状接地网接地电阻的新模型。它以电路的观点为基础,通过构建一个电阻网络来等效实际接地网,将接地网接地电阻的复杂计算转化为求解一个电阻网络的简单问题。用此方法计算了几种典型形状接地网的接地电阻通过与其他近似计算和数值计算结果进行比较,验证了本模型的正确性。     

复合接地网接地电阻的计算机仿真

提出了一种计算任意形状接地网接地电阻的新模型——三维单元网格模型。以电路的观点为基础，通过对地中散流过程的分析，构建了一个电阻网络来等效实际接地网，将接地网接地电阻的复杂计算转化为求解一个电阻网络的简单问题。用此模型计算了几种典型形状接地网的接地电阻，通过与其它近似计算和数值计算结果进行比较，验证了该模型的正确性。     

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。     

电力系统短期负荷预测的混合模型神经元网络方法

提出了一种将线性模型方法和神经元网络方法相结合的负荷预测方法－－混合模型神经元网络方法。该方法将一部分线性变化的负荷分量用线性模型描述,其它发量用神经元网络建立,国而同时具有线性模型的优点和神经元网络的优点。交过一方法用于江苏省连云港市超前２４小时负荷预测,取得了比单纯的神经元网络模型高的预测精度。     

考虑电热混合储能与重构联合优化的配电网风电消纳策略

可再生能源消纳是促进节能减排、建设低碳智能电网的重要内容之一。该文着眼于配电网运行环节,引入主动网络重构措施,协同电热混合储能管控,提出适用于配电网风电消纳的多能源优化消纳模型与求解策略。首先,对配电网各单元(如分布式风电系统、电热混合储能系统等)功率模型进行分析,在此基础上建立综合电热混合储能管控和网络重构的非线性混合整数数学优化模型,并采用二阶锥手段松弛线性化非线性约束,实现模型的快速求解。算例仿真验证并展示了电热混合储能管控和网络重构的联合优化策略对配电网促进风电消纳的影响。     

计及阻塞管理及剩余容量的并行粒子群电网规划

基于电力市场阻塞管理技术,采取了综合调整网络架线及发电计划和安装潮流控制设备等措施,并计及网络剩余容量经济指标,建立了新的电力网络规划模型。在分析该模型特点的基础上,提出了对变量进行分类,使用并行粒子群算法(ParticleSwarmOptimization,PSO)对其进行求解的方法,该方法具有灵活性和可扩展性,适于解决多因素、多变量电网规划问题。算例表明,该模型可显著提高规划方案的经济性;并行PSO可有效地提高算法的计算速度和收敛性能。     

基于交通-电力均衡耦合的电动汽车快充站与配电网联合规划

针对现有充电站规划大多忽略配电网容量上限,且交通网、快充网以及配电网耦合关系考虑单一导致电动汽车大量接入产生配网负载不均的问题,提出一种基于交通-电力均衡耦合的电动汽车快充站与配电网双层联合规划模型。首先,基于海量网约车订单数据进行数据挖掘和出行特征融合,得到快充负荷时空分布。然后,基于交通网-快充网-配电网之间的信息交互与能量流动关系提出均衡分区耦合模型,并在此基础上建立电动汽车快充站与配电网双层联合规划模型,采用遗传算法与混合整数线性规划相结合的方法求解。最后,基于成都市主城区路网,以54节点配电网为例开展仿真分析,结果表明,提出的双层联合规划模型对于电动汽车快充站规划具有一定的可行性,且均衡耦合模型可以优化配网分区结果,在一定程度上提高了配电网的安全性和稳定性。     

三相四线制配电网络的潮流模型与算法

在三相四线制配电网络中,中性线、大地导线以及中性线的重复接地对潮流分布及潮流算法的收敛性都有较大影响,现有文献对此问题的研究很不充分。文中以配电网络的地理端点为基础,建立了三相四线制配电网络的相分量潮流模型。该模型由端点间的支路电压方程和端点的注入电流方程表示。其中变量包括三相导线、中性线和大地导线的电压和电流。文中采用前推回代法和牛顿法求解配电网潮流,并以IEEE123节点测试系统为例进行了仿真。仿真结果表明,配网中的重复接地对前推回代法的收敛性影响很大,在小接地电阻条件下甚至不收敛,而重复接地对牛顿法的影响较小。     

Reference model based discrete time sliding mode control of communication networks

In this work, we propose a new sliding mode controller based on a reference model for controlling data transmission rates in a connection-oriented communication network. In the proposed approach, we build a model of the network, which is controlled by a linear quadratic (LQ) optimal controller. Then, the sliding variable of the real network is forced to follow the reference sliding variable generated by this model. This method enables us to preserve the favorable properties of the optimal controller, such as reducing and smoothing out the initial flow rates. Moreover, once the reference model attains the vicinity of the desired state, the designed sliding mode controller is able to react more rapidly to changes in the available bandwidth, ensuring better robustness. Due to this fact, the considered controller can ensure full bottleneck link bandwidth utilization with smaller memory buffers than the LQ optimal one. This important advantage is shown both analytically, and in computer simulations