模糊神经网络及其在电力系统中的应用研究

阐述了神经网络、模糊理论、模糊神经网络、遗传算法等分支的技术发展,优、缺点及它们相互之间的结合,接着论述了模糊神经网络在电力系统中电厂的过程控制、电力系统稳定器、励磁控制、重合闸、继电保护及灵活交流输电系统等领域的应用研究的现状及前景.     

模糊神经网络及其在电力系统中的应用研究

阐述了神经网络、模糊理论、模糊神经网络、遗传算法等分支的技术发展,优、缺点及它们相互之间的结合,接着论述了模糊神经网络在电力系统中电厂的过程控制、电力系统稳定器、励磁控制、重合闸、继电保护及灵活交流输电系统等领域的应用研究的现状及前景。     

电力系统自组织模糊神经网络稳定器

本文提出一种自组织模糊神经网络稳定器，首先根据专家经验知识构成稳定器模糊模型，然后用自组织模糊神经网络来表示这个模型，最后通过组织误差修正学习来实现模型的自适应过程，仿真试验表明它比普遍模型稳定器性能优且有较好的鲁棒性。     

小波模糊神经网络在电力系统短期负荷预测中的应用

该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点，利用小波分析对负荷样本做序列分解，对高尺度负荷分量采用常规预测方法，其他负荷分量则采用模糊神经网络处理技术，最后通过序列重构，得到完整的负荷预测结果。算例计算表明，新方法具有较高的预测精度和适应能力。     

基于模糊神经网络电力系统无功功率控制研究

为了能够提高对电力系统无功功率的控制稳定性,利用模糊神经网络控制技术对双馈发电系统的无功功率进行了控制研究。分析了电子系统中双馈发电系统的数学模型,研究了模糊神经网络算法,进行了基于模糊神经网络的双馈发电系统无功功率的控制仿真。从仿真结果可以看出,模糊神经网络控制技术具有较好的控制精度和控制稳定性,可以有效地对双馈发电系统进行控制。     

神经网络在电力系统无功优化中的应用

神经网络在处理非线性、多变量、多约束的电力系统无功优化问题方面有其特有的优势,但实际应用中仍存在局限性,把神经网络和其他优化算法结合用于此类问题的研究逐年增多.本文详细阐述了神经网络以及神经网络与其他优化算法相结合在电力系统无功优化中的应用以及今后的发展趋势.     

模糊自适应控制在电力系统中的应用初探

本文就模糊自适应控制在电力系统中的应用作了一些初探，并在此基础上采用了部分解耦控制，从而能实现有功，无功分别调节。对以上的研究，作者作了数字机模拟，其结果与设想基本吻合，并且证明了系统的抗干扰能力有所提高。     

模糊神经网络在区分电力系统故障和振荡中的应用

根据电力系统发生故障和振荡时母线处获得的信号的特点,提出了用模糊神经网络来识别电力系统振荡与故障的模型和算法。经EMTP仿真表明,该方法能够很好地识别振荡与故障,而且计算和响应速度快,另外,系统正在振荡时又发生故障,本文提出的模糊神经网络的模型及算法也能正确区分出故障。缺点是需要经过大量的训练,但是由于是离线训练,不影响此方法的实时应用。     

基于模糊神经网络的模糊控制器综合优化设计：II.模糊电力系统稳定器

针对单机－无穷大电力系统，利用所提出的模糊控制器综合优化设计方法设计了基于模糊神经网络的模糊电力系统稳定器（ＦＮＮ－ＰＳＳ），并由数字仿真证明了所提出方法的有效性和实用性。     

基于模糊神经网络的模糊控制器综合优化设计Ⅱ．模糊电力系统稳定器

针对单机—无穷大电力系统，利用所提出的模糊控制器综合优化设计方法设计了基于模糊神经网络的模糊电力系统稳定器（ＦＮＮ－ＰＳＳ），并由数字仿真证明了所提出方法的有效性和实用性。     

模糊神经网络专家系统在动力锂电池组故障诊断中的应用

动力锂电池故障的产生原因具有一定的复杂性和不确定性。为此,提出一种基于模糊神经网络的故障诊断专家系统,该方法结合了模糊数学,神经网络以及专家系统的优点。用模糊数学可以将症状模糊化以表征故障的隶属度、神经网络具有良好的自学习能力、专家系统具有推理能力强,三者的相互结合,即提高了系统的准确性和可操作性,又满足了对故障诊断智能化、自动化的要求。试验结果表明该方法可以准确的判断出系统的故障,不仅将故障检测的精度提高到,预测误差在之间,而且检测时间大大缩短。提高了动力锂电池的自适应能力,自主学习能力,为动力锂电池故障诊断提出了一种科学高效的新方法。     

模糊神经网络在配电柜温湿度控制系统中的应用

为解决电力系统密闭配电柜内恒温恒湿的问题,针对配电柜温湿度控制系统,设计一种以DSP为处理器,基于模糊神经网络的PID控制器,用于温湿度控制系统。分析了配电柜温湿度控制器的组成,综合模糊控制和神经网络的优点,将神经网络、模糊控制和PID相融合,通过MATLAB软件对系统进行仿真,结果表明,该系统比普通温湿度控制系统具有更好的动态特性。     

人工神经网络技术在电力系统中的应用

电力系统是由发电、输电、变电、配电和用电等多个部分组成的复杂的非线性动态系统。应用传统方法分析电力系统常常存在诸多缺陷,而人工神经网络技术由于具有不可替代的优势,文中介绍了人工神经网络在电力系统故障诊断、智能控制、继电保护、优化运算以及负荷预测等方面的应用情况。     

人工神经网络和模糊技术在风能预测中的应用

由于风力发电固有的间歇性和随机性特点,大容量风电机组直接接入高压输电网络,不仅对电网安全运营、电能质量是重大挑战,而且也严重影响了风力发电运营的经济性。在此背景下,设计了基于径向基函数和模糊技术的风能预测模型。该模型利用自组织神经网络模型进行数据分类、径向基函数网络模型进行初始预测以及模糊逻辑函数模型进行预测修正,再以数据预处理模型、数据归一化模型以及数据反归一化模型为辅助,预测目标风电机组未来72 h的发电功率。经过试验验证,证明本模型的预测精度较为理想,可以用于实际生产。     

基于模糊神经网络的电力系统信息安全风险评估

结合信息系统等级保护划分策略,介绍一种基于模糊神经网络的风险评估方法,分析使用该方法构建的电力系统信息安全网络评估指标体系,并验证了该方法的准确性。     

前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用

提出了多层前馈神经网络的模糊ＰＩＤ学习算法（ＦＰＢＰ）。这种算法是把多层前馈神经网络的学习过程当作一个动态控制系统来处理,确定出动态控制系统达到稳态时的ＰＩＤ控制器参数,然后再基于模糊控制的思想,对确定出的ＰＩＤ控制器参数进行模糊调整。文中给出了这种算法在电力系统负荷预测中的实际应用,并与标准ＢＰ算法作了比较。结果表明,该算法提高了网络的学习速度和预测的精度。     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。     

广义动态模糊神经网络及其在热工辨识中的应用

针对热工过程难以建立精确数学模型的特点,将广义动态模糊神经网络应用于热工复杂系统的辨识。该算法以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率进行修正。通过对某电厂一次风量和平均床温实测数据的仿真实验结果表明,该方法具有较高的辨识精度和效率。     

电力系统短期负荷预测的模糊神经网络方法

针对电力系统短期负荷预测问题，考虑到气象因素对负荷的影响，提出了一种模糊神经网络的短期负荷预测方法，首先根据评价函数选取相似日学习样本，然后利用隶属函数对影响负荷的特征因素向蜈的分量进行模糊处理，采用反向传播算法，对24点每点建立一个预测模型。提高了学习效能，本方法适合在短期负荷预测中使用，具有较好的预测精度。     

用模糊神经网络模型评估电能质量

为了综合量化评估各种电能质量,实现按质论价、优质优价的购电原则,建立公平的电力市场,提出了结合人工神经网络和模糊识别理论,构造出模糊神经识别网络;根据电能质量评估的实质,构建了电能质量综合评估的模糊神经网络模型。研究表明,模型提高了识别系统的柔性处理能力,具有很强的自组织、自学习和自适应能力,可以使输出结果唯一、客观;模型不仅可确定电能质量的等级,还能评估某一等级的电能质量,从而识别同一等级电能质量的差异,分类能力和排序能力较强;模型引入隶属度概念,使评估结果更加具体。实例计算结果表明,模糊神经网络模型用于电能质量综合评估,其评估结果更为客观、合理。