利用神经网络检测电力系统的暂态稳定

电力系统暂态稳定检测是电力系统运行中的一个难题。神经网络在电力系统中的应用是一个比较活跃的领域，文章讨论了神经网络应用于暂态稳定的检测，包括神经网络模型的构建，样本的设计，样本输入／输出的计算等，并用实例加以验证。此外还引用了一种新型的ＢＬＱＰ神经网络模型。     

利用神经网络检测电力系统的暂态稳定

神经网络在电力系统中的应用是一个比较活跃的领域。本文讨论将其应用于暂态稳定的检测，包括神经网络模型的构建，样本的设计，样本输入／输出的计算等。并用一个实例加以验证。本文还引用了一种新型的ＢＬＱＰ神经网络模型。     

神经网络在控制系统中的应用综述

神经网络因其独特的结构和处理信息的方法，受到广大自动控制工作者极大关注和广泛研究，神经网络控制已成为智能控制的一个研究热点。本文简要介绍了神经网络在控制系统中的应用情况。     

基于小波神经网络的电动机故障识别

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。     

神经网络模型动态特性的研究

本文从神经网络应用于动态系统建模的过程出发，指出了研究神经网络模型一般特性的重要性，分析了传统模型回响测试中存在的问题，给出了正确的回响测试方法，继而讨论了神经网络模型作为一类非线性动态模型所存在的多平衡点、极限环等问题，给出了模型稳定性判定的基本方法。最后是上述理论应用的一个示例。     

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。     

基于模糊神经网络的锅炉受热面积灰监测

该文利用模糊神经网络，实现了对锅炉受热面积灰状态的实时监测。与常规方法相比，模糊神经网络的推理过程透明直观，容易理解，可以实现推理过程的自解释，实际上起到一个附加的运行咨询系统的作用。     

基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法

该文针对RBF神经网络的知识存储和诊断过程是一个黑箱，对运行人员不透明，且当电网拓扑结构发生变化或扩展时，神经网络只能重新训练等问题，推导并建立了RBF神经网络和模糊控制系统之间的等值关系，使得蕴含在RBF神经网络权重中的知识转变为等值模糊控制系统中用语言表述的规则。在此基础上，针对电网结构发生变化或扩展情况，提出了RBF神经网络的局部重新训练新算法。提出的基于RBF神经网络和等值模糊控制系统的故障诊断方法在IEEEll8母线系统中进行了仿真试验，结果表明：基于RBF网络与等值模糊系统的故障诊断方法诊断知识易于理解，诊断过程透明，并能适应电网拓扑结构发生变化或扩展的情况，效果理想。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

带有神经网络估计器的模糊直接转矩控制

本文提出了一种带有神经网络定子电阻估计器的异步电机模糊直接转矩控制系统结构，采用模糊逻辑选择逆变器的开关状态，有效地提高了系统在妄动转矩给定突变时的转矩响应，为了改善系统低速性能，设计了一个ＢＰ神经网络定子电阻估计器，有效地减小定子电阻变化引起的磁链测量误差。     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

神经网络在大型风力发电机电控系统中应用

设计了一个神经网络控制器，用来控制变桨距大型风力发电机组，为研究风力发电机组的智能控制提供了一种新方法。     

电力系统短期负荷预测的高木-关野模型研究

电力系统短期负荷预测在电力系统的运行设计中有重要的意义，利用模糊神经网络的方法进行电力负荷预测是国际上近年来很热门的一个方向。本文在传统的BP神经网络基础上，提出了一种短期负荷预测的模糊神经网络模型一高木一关野模型，以某供电局2000年的负荷实测值建立模型，进行了负荷预测，与实际值进行比较分析表明，这一模型应用于短期负荷预测能获得较高的预测精度，具有一定的研究价值。     

一种基于常规保护原理的ANN发电机差动保护研究

文中提出了一种基于常规保护原理的神经网络差动保护方法。神经网络具有非常优良的模式识别能力。文章首先从理论上分析得出，可以由一个单神经元实现差动保护中常规的比率制动特性，并实现了由一个单神经元感知器构成的比率制动特性的差动保护，在此基础上进一步提出了一个具有非线性制作特性的多层神经网络差动保护模型。该方法将传统保护中的整定值和人工神经网络结构中的权系数对应起来，利用学习算法获得保护的最佳方案，运行人员可以根据经验来选择训练结果，它彻底解决了将ANN技术应用到继电保护工程实际中去后可靠性差的问题，且容易被现场运行人员所接受。该方法无论在工程中还是在理论上都具有重要的意义。     

基于DSP的逆变器神经网络控制

针对传统的基于最优消谐波理论的逆变器，采用了一种全新的神经网络控制器。当系统工作时，由基于DSP的在线神经网络实时调节逆变器输出电压的大小；同时各功率管的开关角由另一个神经网络通过最优PWM最优开关角的拟合，由DSP直接诸出来。整个控制系统具有结构简单、反应灵敏、调压精确、输出电能质量高，控制系统全数字化的特点。     

永磁同步伺服电机的变结构智能控制

提出了一种基于智能控制的离散变结构系统，该系统采用一种新的状态观测器的设计方法，首先设计一个性能观测器，随后用神经网络对其具有不确定性的部分进行补偿，并用神经网络实现对变结构控制器参数的在线调整，在永磁同步伺服电机位置控制系统中的实际应用，表明了该方法的优越性和实用性。     

用神经网络实现对感应电机转速估计

根据数学模型．提出了一种利用神经网络进行感应电机转速估计的新方法。方法是采用一个3层神经网络作为速度估计器来估计转速。仿真结果表明，这种基于人工神经网络的转速估计模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

基于小波神经网络的电力负荷预测方法

分析了小波神经网络的特点，研究了在电力负荷预测中小波神经网络存在的优缺点及适用范围。通过对小波神经网络和BP神经网络的结构和算法进行理论分析，并对实际电力负荷预测算例进行对比研究，指出小波神经网络本身适合对波动性的信号进行预测，而且在神经网络节点数目相同的情况下，小波神经网络比BP神经网络具有更高的预测精度，因此采用小波神经网络有利于减少隐节点数目。还指出由于当前的连续小波神经网络主要使用传统BP神经网络的随机初始化方法和基于梯度的训练算法，因此存在收敛性差的缺点。     

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点，构建了一个四层的自适应小波神经网络模型，并对其具体的实现方法进行了详细的分析；利用ATP—EMTP程序进行仿真计算生成训练样本和测试样本，对所构建的网络进行了训练和测试，结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。     

基于直接转矩控制的模糊神经网络定子电阻观测器的实现

本文针对直接转矩控制中，异步电动机定子电阻值对系统低速性能的严重影响，设计了一个模糊神经网络定子电阻观测器，从而大大改善了系统性能。