电力系统暂态稳定安全域估计

本文以电力系统经典模型为基础,推导出了电力系统暂态稳定安全域的解析表达式,并提出了基于混合方法的发电机暂稳输出功率极限计算方法及快速求解该安全域的算法.算例表明,该暂态稳定安全域简单直观,计算快速.     

用于多机电力系统动态等值的慢同调分区算法

本文根据电力系统结构特点探讨了慢同调与弱耦合之间的关系，给出了一种有效的慢同调分区算法，该方法避免了特征值和特征向量的计算，提高了计算速度，因此适用于多机电力系统暂态稳定的分析和计算，并以１５机８３节点电力系统为例，验证了这一方法的有效性。     

面向对象的电力系统暂态稳定计算建模

介绍了面向对象的程序设计方法，然后依据面向对象思想，把暂态稳定计算中的各元件抽象为电网对象、发电机对象、负荷对象以及励磁调节系统、原动机及其调速系统对象模型，建立了电力系统暂态稳定计算模型；基于该模型开发了图形化的电力系统暂态稳定仿真系统。     

发电机神经网络模型用于电力系统暂态稳定计算

用递归神经网络建立发电机模型,多层输出反馈网络建立励磁系统和调速系统模型,并将此三部分集结构成为一个发电机组的详细模型。将此详细模型写入电力系统的网络方程,联立求解电力系统暂态稳定过程。详细模型写入暂态稳定程序中６机２２节点网络。暂态过程计算结果表明,由人工神经网络模型仿真计算与机理模型常规稳定计算比较,使用人工神经网络模型和机理模型的计算结果非常接近,说明人工神经网络模型可以用于电力系统暂态稳态计算,为今后人工神经网络并行、快速、在线处理电力系统实时计算提供应用途径。     

基于差分进化极限学习机的电力系统暂态稳定评估方法

电力系统暂态稳定性的破坏可以对电力系统的安全稳定运行产生严重冲击,准确、快速地暂稳评估方法能够提高电力系统的安全防御能力。极限学习机由于其速度快、泛化性能好被应用到电力系统暂态稳定评估中。为了提高极限学习机的评估性能,利用基于差分进化算法的优化方法和序列浮动后向特征选择算法对极限学习机暂态稳定评估性能进行提升。首先对输入特征通过主元分析降维并利用序列浮动后向算法进行特征选择,再将最优特征集输入差分进化极限学习机进行暂态稳定评估,最后在新英格兰10机39节点系统中进行验证分析,结果表明,所提模型与其他极限学习机模型相比,大大提升了其在暂态稳定分类评估中的性能。     

一种神经网络集成分类器在暂态稳定评估中的应用

针对神经网络应用于电力系统暂态稳定评估存在的误分类问题，将粗糙集理论和神经网络相结合，运用特征矩阵进行属性约简的基础上，应用装袋策略构造集成神经网络分类器来提高分类准确率，在新英格兰10机39节点系统中的应用验证了该分类器的分类准确率较普通神经网络分类器有较大的提高、     

基于稳定流形变换的电力系统暂态稳定性计算

提出了基于稳定流形变换的电力系统暂态稳定性计算的方法,推导了状态矩阵有任意对复数特征根时的非线性变换矩阵;在这一非线性变换和一相似线性变换下,受扰动后的电力系统的稳定边界变换为一坐标平面．对持续故障轨线进行同样的变换,当变换后的持续故障轨线与这一坐标平面相交时,得到对应系统的临界切除时间;６机系统的计算结果表明,本算法理论正确,计算快捷,是电力系统暂态稳定性分析具有前途的新方法．基于稳定流形变换的电力系统暂态稳定性计算@李颖晖$西安交通大学!710049,西安@张保会$西安交通大学!710049,西安…     

基于GPS同步相量的电力系统暂态稳定预测控制

首先简要回顾了全球卫星定位系统 (GPS)技术在电力系统应用中最近 10年的发展 ,研究了基于 GPS同步相量的电力系统暂态稳定控制的实现前提和理论模式。分类综述了国内外在利用 GPS同步相量技术研究电力系统暂态稳定实时控制方面的研究成果 :基于简化模型、同调组法、角度曲线外推法、能量函数法和人工智能法等 ;总结了 GPS技术与电网稳定控制结合的多种途径 ;并提出了基于同步相量实现电力系统的区域暂态稳定控制是 GPS应用于电力系统的最高形式 ,最后提出轨迹分析和数值计算相结合的在线安全稳定监控理论框架     

基于稳定流形变换的电力系统暂态稳定性计算

提出了基于稳定流形变换的电力系统暂态稳定性计算的方法,推导了状态矩阵有任意对复数特征根时的非线性变换矩阵。在这一非线性变换和－相似线性变换下,受扰动后的电力系统的稳定边界变换为一坐标平面,对持续邦联轨迹进行同样的变换,当变换后的持续帮联轨线与这一坐标平面相交时,得到对应系统的临界切除时间。６机系统的计算结果表明,本算法理论正确,计算快捷,是电力系统暂态稳定性分析具有前途的新方法。     

神经网络用于两电站间切机协调控制决策

提出了一种应用单隐层前馈神经网络决定多机电力系统中两电站间暂态稳定切机协调控制规律的方法，所选神经网络的输入量与输出量间呈近似连续映射关系，从而保证了神经网络结构的合理性，新英格兰１０机３９节点试例系统的仿真结果表明了文中方法的有效性。     

分子计算理论与神经网络

本文以“智能—问题求解—信息处理—学习和记忆—系统实现”为线索,介绍了分子计算及神经网络的基本概念和原理,提出了它们的研究层次及其异同点,详细讨论了进化学习算法和神经网络的自组织原则,并利用最大信息准则,给出了无导师学习算法的统一描述框图.本文最后讨论了分子计算与神经网络的实现问题,认为分子电子器件是神经网络实现的一条可能途径.     

基于模糊神经网络的球团密度在线测量

提出了一种在线测量球团密度的新方法．该方法以模糊神经网络技术为基础,综合考虑制团过程各因素对球团密度的影响,建立起球团密度的软测量模型．在软测量模型中,采用模糊神经网络模型描述球团密度变化的非线性过程,并提出了一种改进的模型辨识算法,利用减法聚类法确定合适的聚类组数目,并用实数编码的遗传算法优化全局参数,从而获得了结构简单、具有较高精度的模糊神经网络软测量模型．根据此方法,设计了测量装置,并进行了现场试验,试验结果表明软测量模型输出与实验室测量值基本一致,平均误差较低且最大误差未超过0．05g／cm^3．     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

用带非线性自反馈的神经网络求解最大团问题

针对饱和非线性动态网络算法(SLDN算法)解最大团问题容易陷入局部最优这一缺点,提出了解决该问题的一种新的神经网络算法,并构建了新数学模型.该算法在SLDN算法基础上加入了非线性自反馈,具备良好的动力学特性.分析了加入非线性自反馈后的收敛性,并且通过仿真实验表明其整体性能要优于SLDN算法.     

采用遗传网络算法实现非线性系统的神经网络控制

提出一种对于非线性系统遗传算法的神经网络控制模型 ,并给出了新的神经网络训练模型 .该模型的主要优点是 ,优化网络连接权重 ,优化网络拓扑结构     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

机械手的神经网络直接离散时间自适应控制算法

提出了一种机械手的神经网络直接离散时间自适应控制算法。该算法是神经网络方法和自适应动态滑动模控制方法的集成。自适应动态滑动模控制的作用有两个：其一是在神经网络控制失灵的情形下提供控制系统的全局稳定性；其二是改善系统的跟随性能。整个系统的全局稳定性和跟随误差的收敛性采用李雅普诺夫稳定性理论进行了证明，并得到了一种新颖的神经网络权值调整算法。     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

基于BP神经网络的录音地点识别方法

现有的数字音频取证技术很难做到录音地点的识别,因此司法机关就不易对音频证据的有效性做出判断.针对现状,本文设计了一种基于BP神经网络的录音地点识别方法.该方法是将电网频率(ENF)作为识别根据.进行地点识别操作时,首先将电网ENF作为训练样本训练BP神经网络,然后从待取证的音频文件中提取电网频率数据并作为输入样本,用训练好的BP神经网络对输入样本进行识别,最后用模拟退火算法从识别结果中搜索出最佳识别结果,从而识别出录音的地点.实验结果表明,该方法的识别准确率最低达到90.6%,可靠性满足一定的要求.     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.