用于水轮机-引水管道参数辨识的改进型人工鱼群算法

提出了一种融合蚁群算法的改进型人工鱼群算法,对水轮机-引水管道系统进行参数辨识。该算法在每次迭代中先应用鱼群算法对搜索空间进行全局搜索,然后以当代全局最优解为基础利用蚁群算法对其领域进行局部搜索。根据现场实测数据,所提算法通过最小化目标函数辨识出了水轮机-引水管道模型参数。基于实测数据的建模结果表明,与传统辨识方法相比,所提算法具有更好的全局优化能力和鲁棒性能。     

弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用

为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA).应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测.仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh.该混合算法可有效用于电力市场短期电价预测.     

水轮机调速系统源网协调问题研究

水轮机调速系统厂家众多,逻辑、型式及模式命名规则多样,不利于技术交流、运行控制及管理。研究了当前主流水轮机调速系统的控制逻辑及模式命名规则,并提出了标准化建议;分析了一次调频与自动发电控制系统主流协调策略的优缺点,提出了"同向叠加,反向闭锁"优化控制逻辑,并结合实例进行了验证测试;分析了一次调频关键参数对水轮机调速系统性能的影响,并针对实际案例给出了参数优化方法;研究了水轮机调速系统建模方法,基于分环节辨识,对调节器控制系统、随动系统、水轮机三大环节建立了精确数学模型,并对整体模型进行了校核验证。水轮机调速系统控制逻辑制定、一次调频参数优化、调速系统仿真建模三者须有机结合,共同保证其性能满足相关标准及源网协调各项技术要求。     

AFSA-BP速度辨识器在DTC系统中的应用研究

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解.将人工鱼群算法与BP算法相结合的AFSA+BP算法.实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的神经网络转速辨识器运用到直接转矩控制系统当中,利用Matlab/Simulink实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果.     

改进的人工鱼群算法设计次同步阻尼控制器

为了抑制次同步振荡SSO(subsynchronous oscillation),提出了一种改进人工鱼群算法,并基于该算法利用美国电力研究院EPRI(electric power research institute)提出的抑制直流系统次同步振荡的基本原理,设计次同步阻尼控制器。将控制器参数视为自适应参数,以阻尼比为自适应函数,通过改进人工鱼群算法,计算出最优的控制器参数,达到抑制SSO的目的。以2012年四川电网向家坝-上海直流系统的送端交直流混合输电系统为例,验证了该阻尼控制器的有效性。     

基于实测频率轨迹的机组调速器参数辨识

提出了一种基于实测频率轨迹曲线实现调速系统参数辨识新方法。建立了调速器系统的输入输出模型,并证明了相应参数的可辨识性。通过设计接口直接调用PSASP软件的机电暂态仿真计算模块,获得电力系统受扰之后的仿真频率曲线;进而基于粒子群优化算法对调速器参数进行调节,使得仿真频率曲线与实测频率曲线尽可能接近,从而实现基于实测频率轨迹曲线的发电机组调速系统参数的辨识。实际系统的算例证明了所提出方法的有效性和正确性,同时所设计的接口在一定程度上扩展了PSASP软件的应用范围。     

基于改进粒子群算法的水轮机调速系统参数优化研究

水轮机调速系统控制效果对于提高水轮发电机组工作效率以及提升电能质量具有非常重要的作用,因此,对其进行有效控制具有非常重要的应用价值,为了能够弥补传统水轮机调速系统控制的缺陷,将改进粒子群算法应用于水轮机调速系统地参数优化。首先,分析了水轮机调速系统的基本原理;其次,分析了水轮发电机组调速系统的模糊PID控制算法;然后,讨论了改进粒子群算法的基本理论,设计了相应的数学模型和算法流程;最后,进行了基于改进粒子群算法的水轮机调速系统的参数优化仿真,仿真结果表明,改进粒子群算法能够有效地提高水轮机调速系统的可靠性。     

基于模糊神经网络的水轮机调速器PID控制

针对水轮机调节系统参数时变、运行工况多变以及包含复杂非线性环节的特点,传统的PID控制策略难以满足系统各项运行指标。根据水轮机调速系统的数学模型,结合模糊控制的推理能力和神经网络的自学能力,提出基于模糊神经网络的水轮机调速器PID参数控制策略。仿真结果表明,相比于传统PID控制和模糊控制,所提控制策略的系统响应拥有更小的超调量和更短的调节时间。     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构.该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法.该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性.在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性.     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构。该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法。该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性。在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性。     

基于神经网络建模的零序直流原理测距研究

针对电力电缆铺设隐蔽,发生故障时不易准确定位故障点的问题,研究了零序直流保护原理和人工神经网络技术在小电流接地系统单相接地故障测距中的应用。利用直流信号不受电网电容影响的特性,建立检测源与接地网电路模型。根据电路模型,建立其数学模型,由于模型中的一些参数复杂,则考虑采用神经网络对其未知量进行辨识,并将辨识好的数学模型应用于故障测距中。根据实验数据,对两种模型进行分析,结果表明利用神经网络辨识参数的方法能够准确、可靠地实现故障测距。     

基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制

模型预测控制在脉宽调制(pulse width modulation,PWM)整流器上的应用既降低了直接功率控制中的脉振又提高了动态响应速度,但是传统的模型预测功率控制(model predictive power control,MPDPC)中对未来时刻状态量的预测仅依靠模型,对模型参数变化较为敏感,功率预测精度受电压传感器的测量精度和网侧谐波变化的影响明显。为实现整流侧参数的实时辨识和提高整体的预测精度,以实现对功率的精准控制,文中在模型预测功率控制(model predictive power control,MPDPC)的基础上引入自适应神经网络电压观测器,提出基于自适应神经网络观测的无电压传感器PWM整流器功率预测控制(adaptive neural model predictive power control,ANMPDPC)策略。通过构建包含自适应神经网络辨识器和自适应神经网络滤波器的自适应电压观测器,实现网侧电压估计的同时滤除电压高次谐波对其的影响,并将电压观测器与功率二步预测相结合,进一步降低功率脉振,提高系统的响应速度和控制精度。仿真和实验结果表明,所提出的改进策略既实现了无电压传感器下的模型预测控制,又有效抑制了网侧谐波的高频干扰及参数变化对预测精度的影响。     

采用局部学习与反向学习机制的人工鱼群算法在含DG配电网重构中的应用

配电网重构是配电网络结构优化的有效手段.考虑到系统运行的经济性,建立了以网络损耗最小为目标函数的数学模型,采用一种具有高效并行优化能力的人工鱼群算法来求解含DG的配电网重构问题.为了克服二进制编码所带来的“维数灾”问题,提出了三大网络简化原则以提高算法的计算效率.当算法陷入“早熟收敛”的怪圈时,引入局部学习与反向学习机制,一部分鱼群根据处于最优位置鱼群之间的差分结果进行动态调节,协同最优种群强化局部搜索;另一部分鱼群则沿最差位置方向进行反向学习,及时逃离局部最优区域,有效地改善了种群的多样性.为了进一步加快算法的寻优效率,在视野与步长参数方面做出了相应的自适应调整.通过算例分析,验证了文中算法的准确性与有效性.     

基于RBF的VSG转动惯量和阻尼系数自适应控制策略

虚拟同步发电机(virtual synchronous generator,VSG)通过控制策略使电力电子变换器具备同步发电机的转动惯量和阻尼系数,但这两个参数在调节过程中与频率为非线性关系,传统方法都将其作为线性关系来设计控制策略。该类控制策略只能粗略调整两个参数,且调节频率过高。针对这一问题,文章提出了一种基于径向基函数(radial basis function, RBF)神经网络的VSG转动惯量和阻尼系数协同控制策略,通过人工智能算法改进传统控制策略。从VSG数学模型、输出特性和小信号模型三个角度对转动惯量和阻尼系数控制方法进行了分析,给出了对应参数的取值范围;并针对VSG特有的非线性关系建立了双输入双输出的RBF神经网络控制策略;最后,通过MATLAB/Simulink仿真比较传统策略与文章提出的控制策略的瞬态响应,验证所提控制策略的有效性。     

基于RBF的VSG转动惯量和阻尼系数自适应控制策略

虚拟同步发电机(virtual synchronous generator,VSG)通过控制策略使电力电子变换器具备同步发电机的转动惯量和阻尼系数,但这两个参数在调节过程中与频率为非线性关系,传统方法都将其作为线性关系来设计控制策略。该类控制策略只能粗略调整两个参数,且调节频率过高。针对这一问题,文章提出了一种基于径向基函数(radial basis function, RBF)神经网络的VSG转动惯量和阻尼系数协同控制策略,通过人工智能算法改进传统控制策略。从VSG数学模型、输出特性和小信号模型三个角度对转动惯量和阻尼系数控制方法进行了分析,给出了对应参数的取值范围;并针对VSG特有的非线性关系建立了双输入双输出的RBF神经网络控制策略;最后,通过MATLAB/Simulink仿真比较传统策略与文章提出的控制策略的瞬态响应,验证所提控制策略的有效性。     

电力竞价上网智能决策支持系统

根据电厂竞价上网的特点,基于大系统控制论思想,采用人工智能技术和博弈论方法建立了电力市场发电侧的电力竞价上网智能决策支持系统。采用数学模型方法建立发电成本计算模型;采用数学模型与知识模型相结合的方法建立发电成本构成分析与优化模型;采用3层前馈人工神经网络建立网上电价预测模型,用遗传算法确定网络连接权,以优化神经网络模型的学习过程;采用博弈论方法建立上网电力报价模型。在建立这些模型的同时,需要构建相应的数据库和知识库系统,如企业生产与管理数据库系统、生产优化知识库系统和电网数据库系统等。     

基于人工智能的客户需求响应研究与分析

随着电力大数据爆炸式地增长,依靠人力物力的传统数据处理模式已经不再适应现代电力系统的发展。以红河州地区居民用电消费行为和日常行为习惯做聚类分析,借助计量自动化系统提供的电力负荷数据,并基于用户群体分析与识别,利用灰色预测、BP神经元网络、自适应BP神经元网络、PSO算法、分类随机森林算法、自适应分类随机森林等人工智能算法对负荷进行预测。通过对当地居民的用电消费行为习惯深入的研究以及电力负荷的预测,为人工智能运用于电力系统客户需求响应提供理论经验和技术支撑。主要创新点在于将自适应随机森林算法等人工智能算法应用于居民需求响应的研究,降低电网处于高峰负荷,并采用了负荷转移策略降低电网运行成本,节约能耗。     

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。