基于梯度监督学习的理论与应用(Ⅱ)——训练机制

基于梯度算法和前馈网络所具有的普遍近似性质，提出了一种新的监督型多目标系统化训练机制。在学习过程的实现中，该训练机制一方面能使参数集合选择适当以避免过适应，另一方面能以较少的计算及存储复杂度使网络输出达到所要的精度，保证网络具有满意的可检验性和通用性。新的算法（ＰＴＮＴ）能够在一个过程里同时考虑神经网络训练的几个方面，并且在训练时间和准确度方面也都优于ＢＰ算法及其衍生算法。ＰＴＮＴ算法具有类似于ＬＭ算法的收敛性，但存储复杂度远远少于ＬＭ的一半。文中通过仿真结果证明这种监督训练机制和前馈网络在不同问题环境下的适用性，评价了其有效性。     

用二次曲面方法求解多机系统故障临界清除时间

为提高多机系统故障临界切除时间的求解精度和保证确定的误差方向,该文在主导不稳定平衡点处利用空间二次曲面来近似局部稳定域边界,根据持续故障轨线与空间二次曲面的交点来确定系统的故障临界清除时间.仿真结果表明,该方法具有固定的误差方向和较高的计算精度,误差基本能控制在10%以内,能够对系统的故障严重程度进行排序.另外,在网络中发生故障时计算性能可能没有切平面方法好,这方面的理论根据还需进一步的研究和探索.     

ΔP 积分作为暂稳控制切机启动判据的研究

提出了不平衡功率（ΔＰ）积分作为暂态稳定控制切机启动判据的方法。结合对黑龙江东部网暂态稳定性的分析，给出了ΔＰ积分启动判据的原理和特性。ΔＰ积分表征了故障后机组的加速程度，能够反映故障对系统冲击的大小。它具有反映短路故障远近以及短路故障严重程度的能力。ΔＰ积分值大小与系统稳定情况相关联，与离线暂态稳定计算结合可以制定出功能完善的对策表，做到细化切机对策、缩短切机出口时间、扩大稳定保护范围、简化对策表等。ΔＰ积分策略已经通过了数字仿真，并已应用在黑龙江东部网区域稳定控制系统中     

道路使用者代价（RUC）计算管理系统的总体设计

文章介绍了道路使用者代价（RUC）计算管理系统的研究背景,并从功能设计、开发的技术方案方面介绍了该系统的总体设计思路。     

基于梯度监督学习的理论与应用(Ⅰ)——基本算法

讨论了一类基于梯度的监督训练算法及其用于神经网络的参数优化。文中详细讨论了ＬＭ算法，它是梯度下降法与高斯牛顿法的结合，既有高斯牛顿法的局部收敛性，又有梯度下降法的全局特性。μ很大时，ＬＭ算法近似于梯度下降法；μ为零时，则是高斯牛顿法。由于利用了近似的二阶导数信息，ＬＭ算法比梯度法快得多。就训练次数及准确度而言，ＬＭ算法明显优于共轭梯度法和变学习率的ＢＰ算法。由于主矩阵的正定性，解总是存在的，从这种意义上说，ＬＭ算法优于高斯牛顿法     

李函作品

正~~     

转子绝对动能增量及其在失稳模式判别中的应用

研究了大扰动下复杂电力系统失稳模式的判别指标。针对暂态能量函数法使用的势能概念在物理意义上的疑问,从发电机原始转子运动方程和经典转子运动方程出发,讨论了转子不平衡功率对时间积分的物理意义,分析了它们同暂态稳定分析中使用的势能概念的关系,在此基础上提出了相对动能和绝对动能的概念。根据发电机绝对动能增量大的机组最有可能率先失步的事实,提出了以绝对动能增量为指标进行电力系统失稳模式判别的方法,并通过对实际系统的仿真计算验证了方法的可行性。