基于相关向量机的发电机进相能力建模

发电机是一个多变量、强耦合的非线性系统,传统的分析方法难以建立精确的发电机进相能力分析模型。提出一种基于相关向量机(RVM)的发电机进相能力模型,以发电机有功功率和无功功率为输入、发电机的功角和电网电压为输出。以典型工况下发电机进相运行试验结果作为训练样本和测试样本,建立某600 MW发电机进相能力RVM模型,并讨论了核函数的选择对RVM模型收敛精度的影响。结果表明所建立的发电机进相RVM模型较之BP神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)模型,精度更高、泛化能力更强,能有效地克服传统方法的局限性,适用于发电机进相运行实时控制。     

混沌理论和支持向量机结合的负荷预测模型

根据电力负荷序列的混沌特性,提出混沌理论和蚁群优化支持向量机结合的电力系统短期负荷预测新方法,以相空间重构理论确定支持向量机的输入量个数;iJII练样本集由对应预测相点的最近邻相点集构成,且是按预测相点步进动态相轨迹生成;采用蚁群优化算法对支持向量机敏感参数进行优化,从而可增强预测模型对混沌动力学的联想和泛化推理能力,提高负荷预测的精度和提高预测稳定性.对某地区负荷系统日、周预测仿真测试,证明其可获得稳定的较高预测精度.     

东方-日立型600MW汽轮发电机进相运行能力分析

本文通过对东方-日立型600MW 汽轮发电机现场进相深度和进相温升试验结果的分析,明确了该发电机完全满足"发电机带额定负荷、功率因数超前0.95"这一要求的进相运行设计保证工况,并结合该型机端部涡流场的有限元分析计算,对发电机进相运行能力进行了综合评估,推算出了该型机在600MW 有功负荷、发电机可能进相的最大深度以及对应的定子端部温升限额曲线。     

支持向量机回归算法在锅炉燃烧系统建模中的应用研究

针对高维非线性系统,分析了基于支持向量机网络的建模能力,并将增量回归支持向量机算法应用于锅炉燃烧过程建模,根据现场采集的数据进行支持向量机网络建模和泛化能力实验.理论分析和实验结果表明网络具有良好的辨识精度和泛化能力.     

基于SVR数据驱动的发电机进相极限最优化求解方法

针对发电机进相限制条件中多变量间复杂非线性强耦合关系导致的机理建模难题,提出一种基于支持向量回归（SVR）数据驱动的发电机进相极限最优化求解方法。该方法将发电机进相极限求解问题转化为计及多个进相限制因素约束下的无功功率最小值问题。基于发电机功角方程推导建立无功功率的目标函数方程;基于SVR驱动模型建立约束变量与目标函数自变量的非线性映射关系,形成约束方程模型;采用改进的二阶振荡粒子群算法对优化模型进行求解。算例分析表明,所提方法建模简单,具有较高的精度和较强的泛化能力,可实现对任意已知有功出力工况下的发电机进相极限的快速计算,适用于发电机进相裕度在线建模和监测。     

300 MW机组励磁控制简介及其进相运行分析

应用同步电机理论,从系统的观点出发,分析励磁系统对电力系统稳定的作用,并结合徐州华润电力有限公司300 MW机组1号发电机进相运行试验,提出了进相试验的条件、要求、注意事项、参数选择,并根据现场试验数据及试验结果分析,确定了其进相运行能力,为发电机安全稳定运行提供了依据,并为系统的稳定运行提供保障。     

基于蚁群算法的支持向量机中长期水文预报模型

支持向量机算法（SVM）具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型（ACO-SVM）,利用蚁群算法（ACO）基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法（ARMA）、人工神经网络方法（BP-ANN）所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。     

发电机进相能力的RBF神经网络模型

发电机进相运行是调节电网电压、改善电能质量的一种经济性、技术性皆优的先进手段。由于发电机是一个多变量、强耦合的非线性系统,基于传统分析方法难以精确建立其进相能力分析模型,本文提出基于径向基函数(RBF)神经网络的发电机进相能力模型,以发电机有功功率和无功功率为输入,以发电机功角、电网电压为输出,采用江苏电网某600MW发电机进相试验数据训练和测试RBF网络,并探讨了基宽、神经元数的选择对RBF网络收敛精度的影响。研究表明本文所建立的发电机进相RBF模型具有速度快、精度高的优点,具有良好的泛化能力,其性能优于BP神经网络模型。本文提出的方法能有效克服传统进相分析方法的局限性,适用于发电机进相运行实时控制,有推广应用价值。     

发电机进相运行的研究现状及展望

发电机进相运行是解决系统低谷运行时枢纽点电压偏高的有效手段。针对发电机进相运行问题进行综述,对其国内外发展现状做了概括和分析。从发电机进相运行的机理出发,阐述发电机进相运行能力的约束因素和稳定监测,探讨发电机进相能力的建模问题;概括进相运行所带来的特殊影响,并总结归纳发电机进相运行在黑启动、抽水蓄能、风电场等不同工程背景中的应用。展望了发电机进相运行在进相管理数据库、多机进相运行等方面未来的研究方向,进一步探讨多机进相运行的调压能力和对系统稳定的影响。最后指出多机进相运行中的关键问题,具体给出开展多机进相     

基于粒子群算法和支持向量机的锅炉排烟温度建模

排烟热损失是机组锅炉热损失中最大的一项,建立锅炉排烟温度模型对锅炉运行有重要意义。为此,以某660 MW机组锅炉燃烧调整试验数据为基础,采用支持向量机建立锅炉排烟温度模型,并利用改进的混沌粒子群算法对支持向量机的相关参数进行优化,使模型的准确性显著提高。与遗传算法相比,粒子群算法无交叉和变异,算法简单,泛化能力强,有很好的实用性。基于粒子群算法和支持向量机的排烟温度模型能够很好地预测排烟温度的变化,可为锅炉的运行提供指导。     

大型同步发电机进相运行动模试验设计

同步发电机进相运行已成为广泛应用的电网电压调节手段。动模试验是电力系统学科一种重要的研究方法。由于电网安全运行的重要性,现场不可能开展发电机深度进相运行试验。文章提出基于动模试验研究大型发电机深度进相特性的方法,并以某600 MW发电机组为原型机,基于相似原理设计了大型同步发电机进相运行动态模拟的发电机、主变、线路等模型机参数,搭建了发电机进相运行动模系统,开展了不同进相深度工况的发电机进相动模研究,分析了发电机进相动模结果,指出了影响发电机进相动模试验精度的电气参数模拟误差、外串阻抗无饱和现象、模拟系统容量下磁路饱和反映不真实等影响因素。通过建立的模型发电机组进相试验结果与现场实际600 MW进相试验结果的比较,验证了所设计的动模模型的正确性和有效性。     

发电机进相试验分析与探讨

为了保持系统电压平衡和稳定,探讨发电机的进相能力对系统电压质量的影响.介绍发电机进相试验的限制因素及具体试验步骤.对岩滩电厂6号发电机进相试验结果及相关数据进行分析,得到该机组安全进相运行容量.通过发电机进相试验,可得到发电机在各种工况的运行参数,掌握发电机在进相运行下的静稳态能力.发电机进相试验所得的数据,为电网调度部门绘制发电机运行PQ曲线、下发低励限制定值和安排机组进相运行提供了科学依据.     

200MW发电机进相运行试验浅析

200MW汽轮发电机绝大多数都能进相运行，只是进相深度不同。此处介绍的发电机不能进相运行，试验受设备本身制造问题的限制，目前此类情况及200MW汽轮发电机进相运行资料较少。通过红二电#2发电机进相运行试验的情况进行分析。     

基于混沌支持向量机的短期风速预测

为了减轻风电对电网的影响,降低供电系统的旋转备用容量和运行成本,提出了以混沌理论为基础,基于相空间重构的支持向量机短期风速预测方法。为提高预测模型的预测精度和泛化能力,利用粒子群算法选择对相空间重构和支持向量机参数联合寻优,将最佳参数代入混沌支持向量机模型对短期风速进行预测。试验结果表明了该方法的有效性。     

基于反向传播神经网络的发电机进相能力建模研究

提出一种基于反向传播神经网络（back propagation neural network,BPNN）的发电机进相能力建模新方法。该BPNN含2个隐层和1个输出层,以发电机有功和无功功率为输入,以发电机功角、电网电压为输出。以典型工况下的发电机进相运行试验结果作为训练样本和测试样本,建立了某600Mw发电机进相能力B...     

基于参数优化的支持向量机在电力负荷建模中的应用

以基于参数优化的支持向量机为建模手段来建立电力负荷模型,该算法可自动调整经验风险和VC维之间比重,并由此提高模型的泛化能力.参数优化时采用了结合网格搜索和模式搜索的组合寻优策略优化支持向量机负荷模型的3个参数,并且引入更加客观高效的交叉验证技术参与模型的训练和评价.算例中利用实测数据进行负荷动态建模,结果表明可得到精度和泛化能力都较高的负荷模型,在电力负荷建模方面具有广泛的应用价值.     

基于IAFSA-SVM的岸电箱断路器故障诊断

断路器的故障诊断对岸电系统的稳定运行有重要意义。针对人工鱼群算法和其他智能算法在优化支持向量机参数时,存在易陷入局部最优、泛化能力差等问题,通过自适应调整步长和引入全局随机行为,提出基于改进人工鱼群算法优化支持向量机参数的故障诊断模型。将断路器合闸线圈电流信号中的时间和电流信号作为特征量,采用改进人工鱼群算法对支持向量机的参数寻优,以提升支持向量机的故障分类性能。仿真结果显示,该算法在样本数量小的情况下仍具有良好的分类性能,能够准确对断路器进行故障分类。     

大型汽轮发电机组进相运行及对电网调压试验研究

介绍了300、600MW大型汽轮发电机进相运行的限制因素及对电网电压的调整效果。试验分析表明,大机组发电机进相运行可有效改善电网无功潮流分布,提高电网供电质量。电网调度部门可根据系统电压情况通过实施发电机进相运行来调整电网电压,其电压调整为1%～5%。     

特征空间最小数据分布最大间隔支持向量机

为提高支持向量机的泛化能力,根据统计学习理论中学习机推广能力的界和VC维理论,提出了一种同时以特征空间中样本数据分布半径最小化和类间间隔最大化为优化目标的支持向量机模型。通过合理设计其目标函数,将该支持向量机的建模问题转化为二次规划问题,从而可以采用与传统SVM相似的算法快速实现。用UCI数据库中的部分数据进行了仿真,实验证明与传统的SVM相比,在分类准确度不降低,且有所提高的基础上,使其支持向量的数目得到减少;在支持向量数目相近的情况下,预测精度得到提高。体现出更强的泛化能力。     

基于PSO-SVR模型的凝汽器真空目标值预测

针对凝汽器真空目标值确定问题的研究现状和存在的不足,应用粒子群与支持向量机相结合的算法建立了凝汽器真空目标值预测模型,在历史运行数据库的基础上,利用关联规则算法对循环水系统优化参数进行挖掘,为真空预测模型提供训练样本,引入粒子群算法的寻优功能对支持向量机模型的参数进行优化,使模型具有一定的有效性和泛化性,并以某600 MW机组凝汽器运行数据为例,对不同负荷下凝汽器真空目标值进行了预测并通过凝汽器真空实测值与模型预测目标值对比,实现对凝汽器真空运行状态的评估,为凝汽器运行优化及故障诊断提供了参考依据。