繁体中文繁体中文
咨詢電話:13929279671
聯系我們/ CONTACT US
全國免費客服電話 13929279671
东莞市荧月电子科技有限公司

郵箱:mack123@126.com

手機:13929279671

電話:13929279671

地址:中国 广东 东莞市大朗镇蔡边村盆古庙区153号

您的位置: 首页 > 新闻中心 > 行业新闻

行业新闻

基于模糊神经网络的电力系统暂态稳定控制决策

发布时间:0 人气:

山东省自然科学基金(Q97FG8154)和清华大学国家重点。 切负荷t神经网络结构图稳定分类部分与切负荷决策部分的功能是不同的,因此应采用不同的结构。分类部分不但要区分稳定与不稳定,还要区分应该切机还是要切负荷,采用一种模糊竞争径向基网络来实现。稳定分类部分的输出有两个,即yi和y2.yi为表示系统稳定(此时不考虑另一个输出),为1表示系统失稳;y2为1表示需要切机,为0表示需要切负荷,同时激活下一级切负荷决策网络。 切负荷决策网络根据输入量得出相应的切负荷控制规律,主要实现函数逼近功能,为提高逼近精度,提出采用模糊竞争前馈网络,即先用模糊竞争网络(FCN)对样本进行模糊聚类,对每类样本再用不同的子BP网络进行函数逼近。稳定分类网络结构请参见。 21FCN的训练模糊竞争网络是一种无导师学习的网络,能够按照样本的不同特性进行分群,划分样本空间,减轻其后各子BP网络的训练负担。 输入相连,输出节点的个数即为聚类数,输出U为输入矢量对各类的隶属度。设输入为N维矢量X(XI,X2…,x*),输出节点有R个,连接权Wi定义为各类的中心,U定义为输入与权值的模糊相等关系,定义如下令则右di尹0,则按梯度下降规则更新连接权FCN的训练步骤如下:①在一定范围内为权值赋初值;②随机抽取一个样本按计算Awj并修正wj④若满足收敛条件则停止,否则返回第②步。收敛条件可定义为权值的变化小于某一小的正值。 假设FCN把样本分为R类,则有R个子BP网络分别与之对应。当FCN训练好后,将每个样本的输入依次加到训练后的FCN的输入端,产生R个输出Ui~Ur,若Ui为其中的*大值,则此样本就成为第i个子BP网络的训练样本。特别要注意的是,对某些样本,FCN可产生几个近似的输出,这时要把这些样本在几个相应的子网络中都训练,以提高推广能力。 2.2BP网络的训练训练BP网络,即调整权值和阈值矢量w使如*n维行矢量*训练样本数输出个数*对于第p个样本神经网络第k个输出单元的期望输出值和实际输出值刻各发电机大轴间的*大相对摇摆角3(i=0,1,2)及其变化率v,(=1,2)共5个变量作为稳定分类网络的输入;切负荷决策网络及各§和5个切负荷点稳态时的负荷总量共4个变量作为输入。其中§反映了系统故障前稳态的运行状况和电网结构,§和§反映了系统的故障信息,它们包含了丰富的系统稳定性信息,V则可以反映*大摇摆角的变化趋势,各切负荷点的负荷总量可以反映系统的负荷水平。这些量基本可以映射系统的首摆暂态稳定性,仿真结果也说明用神经网络能较好地逼近这4个变量与切负荷量在不同的运行点、接线方式和故障情况下的函数关系,从而能给出适当的控制决策。切负荷决策网络的输出为切负荷量的百分比。 目前电力通信的波特率一般可达4800 ~9600b/sPMU的采样周期为0.033~0.083s,在美国邦纳维尔电管局(BPA),实际运行中的PMU到控制中心间的通讯线路每s可传送30个相量信息。而主保护一般在故障后0.1s动作,因此实际应用中,采样周期取为0.05s上述5个变量就可以由控制主站根据安装在各发电机节点的PMU传来的测量信息通过简单计算而获得。 3.2样本的获取如何获得能够充分代表问题本身的样本,对神经网络的结果影响很大,样本太少不能反映问题的各个方面,太多又会加问题的复杂性,目前这一问题尚缺乏系统的方法,本文根据经验如下获得样本。分别考虑三回平行线路145― 132中之一在0s发生单相、两相和三相接地短路,0.1s切除故障线路。样本集的产生如下:①节点145的发电机基本出力为600MW,有功变化范围为70%~130%每次变化15%其余出力大于50MW的发电机节点只作一次从基本出力到80%的变化,且每次只有一个发电机出力变化;②各负荷在90%~ 110%间随机波动;③故障地点分别在线路两端和中间。 再考虑线路145―144间故障,同样按上述方法产生样本集,这样就考虑了不同故障线路的情况。为了适应系统接线方式的变化,另外考虑145―132断开一回线时,145 *144间发生故障。这样共获得5765个样本,其中505个不稳定。 机、切负荷量,先在5个切负荷点切50%的负荷(5个节点总基本负荷为547MW)若系统稳定则线性内插找到一个*小的切负荷百分比(也可以按4结论本文基于同步相量测量技术和人工神经网络对暂态稳定区域控制决策进行了研究,实际系统仿真结果表明,所提出的两级神经网络结构合理,能比较好地协调切机和切负荷;稳定性分类部分分类准确度高,训练速度快;决策部分的模糊竞争前馈网络能给出相当准确的切负荷量决策。如何提出系统性的样本获得方法、减小样本工作量以及如何推广到后续遥摆,都是进一步研究的目标。

相关推荐

在线客服
服務熱線

工程部:13929279671

華東區:13712965419

華南區:18665133283

華中區:13527907295

微信咨询
东莞市荧月电子科技有限公司
返回顶部
XWX

截屏,微信识别二维码

微信号:标签global报错:缺少属性 name 。

(点击微信号复制,添加好友)

  打开微信

微信号已复制,请打开微信添加咨询详情!