基于云神经网络自适应逆系统的电力系统负荷频率控制

针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动的问题,提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势,进一步提高神经网络的辨识能力。仿真结果表明,所设计的云神经网络自适应逆系统不仅可以得到好的动态响应,还可以使风电及负荷引起的扰动减小到最小。     

基于改进布谷鸟搜索算法的永磁同步电机参数辨识

提出一种基于改进布谷鸟搜索算法的永磁同步电机参数辨识方法。针对布谷鸟搜索算法的不足,采用基于云隶属度的模糊推理调整巢主鸟发现外来鸟蛋的概率;采用自适应变步长的方法调整Lévy飞行步长。改进后的算法通过增加种群之间的多样性以加快收敛速度,提高了局部和全局寻优能力。永磁同步电机多参数辨识结果表明,改进布谷鸟搜索算法能有效地辨识电机各参数,与未改进算法相比,验证了改进算法的有效性和优越性能。     

基于蝙蝠算法的永磁同步电机健康状态监测

永磁同步电机健康状态监测问题可转化为永磁同步电机多参数辨识问题。为提高系统参数辨识及状态监测效率,提出一种基于多智能体蝙蝠算法的永磁同步电机参数辨识方法。多智能体的邻域竞争合作算子实现了蝙蝠个体间的信息交流,提高了全局寻优能力及算法的动态跟踪性能;自学习算子提高算法局部寻优能力,加快算法收敛速度。永磁同步电机多参数辨识结果表明,多智能体蝙蝠算法能快速有效地辨识电机各参数,依据参数变化实现对电机运行状态的监测及预警。与未改进算法相比,验证了改进算法的有效性和优越性能。