基于神经网络的距离保护训练算法的研究

对神经网络式距离保护做了简要概述,并且为了使该新型保护更加完善,对其存在的训练算法问题做了深入的研究.对8种改进的BP(Back-Propagation)算法训练神经网络进行了比较,通过反复训练,得出8种算法在权值调整和误差收敛过程中所遇到的共同点和差别,并得出初始权值、激励函数和神经元个数等因素的选取对神经网络学习的影响.实验证明:LM算法和尺度共轭梯度反向传播算法训练网络收敛速度快,受权值影响小,但占用较大的内存;贝叶斯正则化算法有较好的泛化能力.     

神经网络式距离保护的混合训练算法

针对ＢＰ算法存在的缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,利用中伤虎法能够进行全局最优化搜索这一特点,在改进的自适应遗传算法的基础上,提出了一种新的用于ＢＰ网络训练的混合算法,即改进的自适应遗传算法与ＢＰ算法相结合的混合训练方法,将所的混合训练方法应用于神经网络式距离保护中,利用ＡＴＰ仿真的结果进行训练及检验,结果表明,所提出的算法与单一的ＢＰ算法相比,不仅可避免陷入局部极小点,     

基于神经网络的双回线自适应接地距离保护

回顾平行双回线的互感对距离保护阻抗测量的影响,为了解决阻抗测量不准确,提出了一套运用人工神经网络的自适应接地距离保护系统,建立了一种三层ＢＰ神经网络,研究了特征量的选择和样本的设计,并用实例表明其方法。     

基于神经网络的自适应距离保护研究

超高压输电线路的距离保护必须具备足够的对过渡电阻的反应能力。在双侧电源条件下,过渡电阻可能造成保护范围的伸长或缩短。提出了神经网络距离保护算法,通过对样本的学习来获得保护的动作特性,具有内在的对过渡电阻和系统运行方式的自适应性。该算法已在一实际的５００ｋＶ系统输电线路上仿真实现,考虑单相接地故障和Ｉ段保护,在设计的９０％保护范围内具有稳定良好的保护性能。     

神经网络差动保护技术

通过对BP神经网络输入充分数量的典型样本来判决差动保护的动作信号，并探索了神经网络在电力系统继电保护应用中存在的问题和可能的解决方法。     

递推最小二乘算法在微机距离保护中的应用研究

本文重点就递推最小二乘算法的滤波特性进行了分析,并从频域的角度 对状态量的选择问题进行了讨论,给出了便于在微机距离保护中采用的实用递 推算法。理论分析和仿真计算表明,该算法计算简便、收敛速度快,其具有的 变数据窗特点可有效实现保护的反时限动作特性。     

基于人工神经网络的自适应距离保护

分析电力系统距离保护的特点及人工神经网络所具有的自适应能力、学习能力和模式识别能力 ,基于模式识别原理 ,提出了一种实现自适应距离保护的神经网络模型 ,并进行了大量的仿真计算 ,证明所提方法的优越性 ,能够对电力系统的各种故障情况进行正确识别     

基于人工神经网络的自适应距离保护

分析电力系统距离保护的特点及人工神经网络所具有的自适应能力、学习能力和模式识别能力,基于模式识别原理,提出了一种实现自适应距离保护的神经网络模型,并进行了大量的仿真计算,证明所提方法的优越性,能够对电力系统的各种故障情况进行正确识别.     

人工神经网络在距离保护中应用的研究

基于人工神经网络提出并建立了一个三层前向神经网络模型用来实现距离保护。利用自编程序进行了大量的仿真计算 ,计算结果作为训练样本 ,对所建立的神经网络模型进行训练。对模型进行故障状态检验的结果表明 ,所建立的神经网络能够对故障状态做出正确的响应。     

利用工控机实现神经网络式距离保护的研究

提出了神经网络式距离保护的新原理,提出基于工控机的微机保护是继电保护发展的一个新方向.对利用工控机实现神经网络式距离保护进行了研究.试验结果表明,利用工控机实现神经网络式距离保护能够满足微机保护的要求.     

基于模糊神经网络的发电厂自适应配煤控制

根据发电厂灰分控制的时变、滞后和非线性特性,本文提出了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力,将模糊控制规则转化为神经网络的学习样本,通过FNN的BP学习算法记忆这些规则样本。实验表明该控制器具有响应速度快、精度高和鲁棒性强的特点。     

神经网络的同伦算法与电力系统状态估计

本文将同伦算法引入到神经网络的学习训练中,提高了神经网络的学习效率,该方法具有稳定性强,收敛性好的优点,用这种神经网络进行了电力系统的状态估计,算例表明了该方法的有效性。     

基于人工神经网络模型的继电保护的探讨

对神经网络模型的继电保护的发展历史进行了评述,较详细地分析了神经网络在电力系统的母线保护、电流保护和距离保护的应用。回顾并展望了神经网络在继电保护中的应用。     

基于人工神经网络模型的继电保护探讨

对神经网络模型的继电保护的发展历史进行了评述,较详细地分析了神经网络在电力系统的母线保护、电流保护和距离保护的应用。回顾并展望了神经网络在继电保护中的应用。     

基于径向基函数网络的距离保护方案

提出了一种利用径向基函数网络（RBFN）来实现神经网络式距离保护的方法。同基于BP网络的神经网络式距离保护的训练时间相比,所需的网络训练时间大大减少。同时,从检验结果可以看出,基于RBFN的神经网络式距离保护具有很好的模式识别能力。     

人工神经网络技术在电力系统中的应用

电力系统是由发电、输电、变电、配电和用电等多个部分组成的复杂的非线性动态系统。应用传统方法分析电力系统常常存在诸多缺陷,而人工神经网络技术由于具有不可替代的优势,文中介绍了人工神经网络在电力系统故障诊断、智能控制、继电保护、优化运算以及负荷预测等方面的应用情况。     

采用改进BP神经网络算法预测短期电力负荷

介绍了BP神经网络算法的原理以及对其采用非线性阻尼最小二乘法Levenberg-Marquardt进行优化的的方法。针对短期电力负荷的特点,设计了预测短期电力负荷的BP神经网络模型和预测流程,并结合具体实例,采用MATLAB神经网络工具箱编程。与实例结果的比较表明,此方法预测短期电力负荷具有实用价值。     

BP神经网络在电厂优化配煤中预测性能的研究

详细分析了不同的BP神经网络模型对混煤煤质的预测效果,并发现学习样本的大小是影响其预测性能的关键。     

人工神经网络在电力系统负荷预测中的应用

论述了人工神经网络预测电力系统负荷的方法和步骤,并以BP神经网络在石嘴山地区短期负荷预测中的应用为例,探讨负荷预测的重要性。     

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。