一种计及衰减直流分量干扰的动态同步相量 测量算法

动态同步相量测量在电力系统动态行为监测中发挥着重要作用.但是当电力系统发生故障时,故障电流中存在的衰减直流分量,会严重影响动态同步相量测量的准确性.对此,提出了一种动态同步相量测量新算法.具体实现上,将衰减直流分量近似表示成一个较低频率的动态余弦分量,再基于频域采样定理,构建含基波分量和动态余弦分量的故障电流信号模型,进而形成了相应的动态同步相量测量新算法.仿真测试结果表明,存在衰减直流分量干扰下,所提出的动态同步相量测量新算法比基于泰勒信号模型的测量算法准确,而且计算量小,适合于在线应用.     

新型RBF神经网络及在热工过程建模中的应用

文中提出了一种基于免疫原理的新型径向基函数（RBF－Radial Basis Function)神经网络模型。该模型利用人工免疫系统的记忆、学习和自组织调节原理，进行RBF神经网络隐层中心数量和位置的选择，并采用递推最小二乘算法确定网络输出层的权值。将这种新型的RBF神经网络应用于建立热工过程的非线性模型。仿真研究表明，这种建模方法不仅计算量较小，而且精度高，并有较好的泛化能力。     

改进PID算法的钢水流量计算机控制方法

利用传统的PID控制算法进行钢水流量计算机控制,由于钢水流量需求存在较大的非线性和耦合性,无法用准确的数学控制模型进行描述,从而降低了钢水流量控制的精度,导致冶金产品质量很难达到标准。为了避免上述缺陷,提出了一种基于改进PID控制算法的钢水流量计算机控制方法。详细阐述了改进PID控制器的设计方法,利用模糊化处理和模糊逆变换处理方法,计算准确的基于改进PID算法的控制参数,从而实现钢水流量的计算机控制。实验结果表明,利用本文算法进行钢水流量控制,能够提高钢水流量控制的准确性,取得令人满意的效果。     

基于三角基函数的新型神经网络谐波分析方法

谐波分析是电能质量检测的关键.改进了基于固定三角基函数的人工神经网络传统模型,仿真验证证实,改进后的模型可以精确获得基波及各整数次谐波的幅值和相位,且直观、收敛速度快;利用Matlab中的自定义神经网络函数创建了一种基于变参数三角基函数的新的人工神经网络模型,配合加窗FFT算法和高效的LM训练算法,能实现准确的整数次和非整数次谐波分析.仿真结果表明,该算法正确,且便于实现,具有一定的实用性.     

基于两层迭代聚类算法的RBFNN及在发电机诊断中的应用

首先分析了传统的基于K均值聚类算法径向基函数神经网络(RBFNN)的缺点,即需要人为确定隐含层神经元数量,并且不同的初始化方法有不同的聚类结果和学习误差。然后提出了一种新的RBFNN算法——两层迭代聚类算法,能根据样本的分布情况自动计算RBFNN隐含层神经元数量、中心向量和宽度。将实测的MJF-30-6型发电机正常运行、转子励磁绕组故障运行和定子绕组故障时定转子径向振动信号作为学习样本,运用文中所述算法与传统的RBFNN算法比较,结果表明,基于两层迭代聚类算法的RBFNN具有较小的学习误差。     

基于第2代小波的水电机组振动信号预处理

传统的小波去噪效果与选用的小波基函数有关，小波基函数选择不当会把信号的有用成分当成噪声去掉，给故障诊断造成困难。而基于提升算法的第2代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。文中提出采用基于提升算法的第2代小波变换来进行水电机组振动信号的去噪处理，通过分析提升算法的基本原理，使用第2代小波对水电机组振动信号在不同分辨率下进行分解处理，并使用阈值处理小波分解的细节系数，将处理过的细节系数和近似系数一起重构信号。仿真结果表明，采用第2代小波变换要优于传统小波变换的去噪效果，第2代小波在信号处理中有广阔的应用前景。     

一种气体超声波流量计信号处理方法研究

针对气体超声波流量计信号处理中很难确定特征点的问题,提出一种基于可变阈值过零检测的信号处理方法,准确地找到信号的特征波,从而求得超声波信号的传播时间,准确测量气体流量。在以DSP和FPGA为双核心的气体超声波流量计信号处理系统上实时实现这种方法。采用判断"台阶"的方法,剔除噪声干扰所带来的误差,提高测量结果的稳定性。采用分段线性校正的方法,修正非线性误差,提高系统的测量精度。气体流量标定实验结果验证了方法和系统的有效性。     

入炉煤水分软测量模型的现场应用

目前对于收到基水分的测量,现场一直采用的是离线取样测量,这种方法的实时性不是很好。现场需要一种新的而且能够快速准确测量的方法来测量水分。基于制粉系统热量平衡引入软测量技术,建立了入炉煤收到基水分的软测量在线监测模型。该模型通过从SIS系统中提取给煤机给煤量,磨煤机入口一次风量、一次风温度等数据来实现对入炉煤水分值的监测。由于所取数据具有干扰信号,需进行数据处理。文中运用小波变换的方法对所取数据进行数据预处理,能够有效去除噪声信号。小波除噪对非平稳信号的噪声消除具有无可比拟的优点。通过计算,验证了该模型所测得的收到基水分值的误差可以满足现场需求,为解决现场工作的需要提供了一个好方法。     

基于改进共轭梯度理论神经网络优化算法研究

文章阐述了一种改进共轭梯度理论神经网络优化算法。该方法是在传统共轭梯度算法(CG)基础上引入对输出权值进行优化的理念,故称其为输出权值优化共轭梯度算法(OWO-CG)。这种算法在进行学习时,首先根据误差函数利用共轭梯度法计算收敛因子,并修改输入层和隐含层的权值因子;接着,计算隐含层输出函数,利用相关输出权值优化理论构建并求解线性方程组得到输出层的权值因子;最后,计算误差函数,利用该算法不停地修正神经网络回路输出值与期望输出值之间的差值,直到满足精度要求为止。仿真验证结果表明,与传统共轭梯度算法相比,这种算法的学习过程更加迅速和准确。     

IGG法和扩展傅里叶结合的间谐波分析

为获得准确的间谐波信号的频率分布估计值,提出了基于中国科学院测量与地球物理研究所的IGG(Institute of Geodesy & Geophysics,Chinese Academy of Sciences)法扩展傅里叶变换的间谐波分析方法.扩展傅里叶变换利用变换基函数代替传统离散傅里叶变换DFT(discrete Fourier transform)中的指数基部分,构造间谐波信号模型的目标函数,通过迭代对原始数据进行近似拟合;然后利用IGG算法迭代过程具有良好的抗粗差能力和可靠的收敛性等特点,求解上述目标函数.通过仿真验证,该方法具有超频率分辨和抗干扰特性,而且无需同步采样和过长的采样数据,因而在电力系统谐波测量中有较大的应用价值.     

基于免疫聚类径向基函数网络模型的短期负荷预测

提出了一种免疫聚类径向基函数神经网络（ICRBFNN）模型来预测电力系统短期负荷。在ICRBFNN的设计中，根据共生进化和免疫规划原理，提出了共生进化免疫规划聚类算法，该算法可以自动确定RBF网络隐层中心的数量和位置，并采用递推最小二乘法确定网络输出层的权值。对华东某市进行的电力系统短期负荷预测表明，与传统的径向基函数神经网络（RBFNN）预测方法相比，ICRBFNN方法具有更高的预测精度和更短的训练时间。     

基于免疫原理的径向基函数网络在线学习算法及其在热工过程大范围工况建模中的应用

针对现有径向基函数(RBF)神经网络训练算法在非线性动态系统大范围辨识中的不足,借鉴免疫原理,提出了一种新颖的RBF神经网络在线学习算法,通过分析RBF神经网络学习过程和免疫系统的相似性,采用免疫记忆、克隆选择、扩增和细胞凋亡机制在线动态调节网络隐层节点,并确定相应的数据中心和宽度,从而使网络具有在线学习和记忆新样本的功能,并将该网络应用于某300MW火电机组主汽压的多工况辨识.实验结果表明该算法不仅能精简网络的结构,而且能很好地适应对象的时变特性.     

基于GA-RBF神经网络的变压器温升预测

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型。首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性。以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力。     

基于遗传算法和径向基函数神经网络的短期边际电价预测

文章分析了影响电价的主要因素及电价的变化特点,讨论了电价预测模型中必需引入的影响电价的因素。在比较常用的几种电价预测方法的优缺点后,作者采用径向基函数神经网络(radial basis function neural networks,RBF)建立短期边际电价预测模型,用递阶遗传算法(HGA)同时训练RBF网络结构和参数。并以美国New England ISO公布的2002年历史电价数据进行训练和测试,与传统的BP网络预测模型相比较, 测试结果证明该模型的预测精确度是令人满意的。     

基于自适应径向基函数神经网络的无刷直流电机直接电流控制

提出了基于自适应径向基函数（Radial Basis Function)神经网络的无刷直流电机直接电流控制新方法。该方法构造了一个隐层节点初始个数为零的RBF网络，通过在训练过程中不断地按照自适应算法添加和删除隐层单元，形成一个结构简单、紧凑的RBF网络来实现电机电压、电流与功率开关导通信号之间的非线性映射，直接控制功率开关的通断，实现无位置传感器的直接电流控制。网络训练采用离线训练和在线训练相结合的方法。首先利用来自实验数据的训练样本按给出的自适应算法对网络进行离线训练，确定RBF网络隐层节点的个数及位置；再按递推最小二乘法(RLS)在线修正隐层与输出层之间的连接权：最后，用数字处理器(DSP)实现在线控制算法。实验结果表明，该控制方法具有较高的鲁棒性和控制精度。     

基于改进RBF网络算法的电力系统短期负荷预测

提出了一种交替梯度算法对径向基函数(RBF)神经网络的训练方法进行改进,并将之运用于电力系统短期负荷预测。交替梯度算法通过优化输出层权值和优化RBF函数的中心与标准偏差值来实现。改进的算法与传统梯度下降算法相比,具有更快的收敛速度和更高的预测精度。所构建的负荷预测模型综合考虑了气象、日类型等影响负荷变化的因素,并在预测形式上做了巧妙处理。预测结果表明改进的RBF网络算法具有一定的实用性。     

微风速流场数据采集与融合方法研究

在微风速(0～1 m/s)空间流场测量中,对传感器精度要求高,实时在线仪表数据精度不够,数据采集滞后性大;考虑采用多个传感器测量提高精度,但也存在数据融合的问题.针对微风速流场测量,提出基于K均值RBF神经网络的数据采集预处理软测量模型,首先选取中间变量(电流值),运用K均值聚类,用RBF网络训练得到单个传感器数据;提出基于相关性kalman滤波的传感器数据融合算法,剔除无效数据点,并融合得到精确风速预测值.测量实验和数据结果表明该方法处理的数据结果滞后性小,处理速度快,数据精度高.     

基于RBF神经网络的光伏系统MPPT研究

针对光伏发电最大功率点跟踪(MPPT)技术的研究和现状,提出了一种基于径向基(Radical Basis Function,RBF)神经网络的MPPT算法。建立太阳能电池板的数学模型,分析光伏发电的主要影响因素。选取电池板的电压、电流为RBF神经网络的输入层,输出层直接调整Boost电路的占空比,达到最大功率点跟踪的目的。与传统的扰动观察法(P&O)相比,所提出的方法无需设定步长,通过RBF神经网络,直接调节Boost电路的占空比进行最大功率点跟踪。仿真和实验结果表明,所提出的MPPT算法与传统的P&O算法相比有更好的快速性和光伏利用效率。     

光伏阵列故障类型的改进型RBF神经网络识别算法

光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。