基于人工神经网络控制算法的SSSC潮流控制器设计

提出了一种应用神经网络控制策略为静止同步串联补偿器 (SSSC)设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近 ,用一个两层的前向网络去逼近任意函数 ,能更好地进行潮流控制。仿真结果表明 ,这种控制器与传统的PI调节控制相比 ,不但能快速调节潮流 ,增加系统阻尼 ,改善系统稳定性 ,并且有较强的适应性、鲁棒性     

基于人工神经网络控制算法的SSSC潮流控制器设计

提出了一种应用神经网络控制策略为静止同步串联补偿器（SSSC）设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近，用一个两层的前向网络去逼近任意函数，能更好地进行潮流控制。仿真结果表明，这种控制器与传统的PI调节控制相比，不但能快速调节潮流，增加系统阻尼，改善系统稳定性，并且有较强的适应性、鲁棒性。     

基于模糊自整定PI控制的SSSC潮流控制器研究

在介绍静止同步串联补偿器(SSSC)的模型及控制结构的基础上,提出了一种模糊自整定PI控制的SSSC潮流控制器,设计了控制器的结构,建立了模糊控制规则表,进行了数字仿真.该控制器在动态过程中,利用模糊逻辑对SSSC的有功控制器和无功控制器的PI调节参数进行在线调整,提高了控制器的自适应能力和鲁棒性.仿真结果表明,该控制器具有比常规PI控制器更快的潮流调节速度.     

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。     

三电平SSSC潮流控制研究

柔性交流输电系统(FACTS)能够根据输电需求进行灵活调整,静止同步串联补偿器(SSSC)作为FACTS中的一类,可以控制线路的阻抗、电压、线路潮流等参数。将线路潮流作为控制目标,以三电平拓扑为基础推导出SSSC的数学模型,并提出了三电平SSSC的线路潮流控制策略,同时分析了电压空间矢量脉宽调制(SVPWM)在SSSC中的实现方法。搭建了三电平SSSC系统的实验平台,将所提的线路潮流控制策略与SVPWM方法运用到SSSC系统中,实验验证了潮流控制策略的可行性。     

基于SSSC的改进型相间功率控制器

在研究了相间功率控制器（IPC）和静止同步串联补偿器（SSSC）的基本原理、工作特性的基础上,提出了一种以SSSC代替常规IPC中的移相器（PST）实现电感、电容支路的移相功能的改进型IPC。采用较典型的PI控制,通过改变参考电压值对SSSC中的电压源型变换器（VSC）进行控制,来改变线路的注入电压,达到快速连续改变IPC各支路的移相角的目的,从而灵活地控制联络线的有功功率、无功功率。与常规IPC相比能够在IPC两侧电压相位差较大时,较好地改善IPC的过电压问题。采用Matlab/Smulink仿真,验证了改进型IPC可以实现联络线潮流控制和改善过电压。     

潮流和最优潮流分析中FACTS控制器的建模

综述了最近FACTS控制器的数学模型在电力系统潮流和最优潮流分析中的新进展.不仅讨论了单换流器FACTS控制器,如静止同步并联补偿器(STATCOM)和静止同步串联补偿器(SSSC);而且也讨论了多换流器FACTS控制器,如统一潮流控制器(UPFC)、相间功率控制器(IPFC)、通用统一潮流控制器(GUPFC)和电压源型直流输电(VSC HVDC).此外还讨论了基于电压源换流器技术的HVDC的数学模型.不仅涵盖FACTS控制器的单相数学模型,而且也涉及FACTS控制器的三相数学模型.此外,还探讨了多换流器FACTS控制器的电流、电压以及功率等不等约束在潮流计算中的数学模型及计算机实现.     

基于非线性控制理论的SSSC控制器的研究

提出一种运用非线性最优控制理论设计静止同步串联补偿器(SSSC)控制器的方法。在分析SSSC原理的基础上，导出SSSC的动态数学模型。并运用MATLAB的仿真工具建立了SSSC的仿真模型，对含SSSC的单机无穷大系统发生三相短路故障进行仿真。仿真结果表明，采用非线性控制器，SSSC能有效地改善电力系统的稳定性。     

基于状态反馈精确线性化变结构控制的SSSC控制器设计

提出一种基于状态反馈精确线性化变结构控制的静止同步串联补偿器(SSSC)控制器设计方法.考虑到SSSC交流侧电压幅值和相角以及直流侧电容电压的动态调节过程,建立了SSSC在同步旋转dq坐标系下的非线性数学模型,在此模型的基础上,采用状态反馈精确线性化方法将原非线性系统转化为线性系统.然后,应用变结构控制原理设计SSSC控制器,同时通过PI控制稳定直流侧电容电压.最后,利用MATLAB仿真软件搭建了装设有SSSC的110kV输电系统的仿真模型,仿真结果表明了所设计的控制器能够很好地根据需求来改善电网输电能力,具有良好的暂态控制性能.     

基于BP神经网络的SSSC的建模与仿真

SSSC的模型是分析其原理和设计其控制器的基础.由于SSSC是一个强非线性的系统,用传统的方法所建立的模型已不能达到人们的要求,利用具有非线性拟合能力的人工神经网络建立了逆变器电容电压和线路有效阻抗的神经网络模型.神经网络特有的非线性逼近、强化学习和自适应能力,使神经网络模型对变化的环境和参数具有自适应性.     

基于神经网络算法的直接转矩控制系统设计

基于异步电机的数学模型,采用改进化的定子磁链观测法,构建了一个神经网络直接转矩控制系统,并进行了Matlab/Simulink环境下的仿真实验和基于DSP2407的实验台实验.结果表明:系统起动转矩大、起动快、突加扰动时响应快、低速区脉动小,相比较于其他控制方案,具有更加优良的动静态性能.     

基于统一潮流控制器（UPFC）的电力系统稳态潮流控制的模型和算法

本文在分析统一潮流控制器（ＵＰＦＣ）的基础上，导出了ＵＰＦＣ的潮流控制模型，提出了易于同常规ＰＱ分解潮流计算相结合的算法。算例表明，该方法能有效地用于分析ＵＰＦＣ对潮流控制作用，且具有较好的收敛性     

基于模糊规则的SSSC智能控制器设计

静止同步串联补偿器SSSC是FACTS中新型的串联补偿元件,它的快速、灵活控制特性及其在提高电力系统暂态稳定性上的作用具有广阔的应用前景。在模糊控制理论及数字PID控制方法的基础上,采用基于模糊理论的PI控制策略对SSSC的控制器进行设计,提出了基于模糊规则的SSSC智能控制器的设计方案。最后,利用MATLAB语言中的仿真环境Simulink对所设计的控制器进行了仿真验证,仿真结果证明:该控制器能够更有效地提高SSSC的控制性能,改善系统的动态特性。     

基于神经网络的电力变压器状态监测

对电力变压器的几种常规的状态监测方法进行了讨论,并着重对基于神经网络的监测方法进行了分析.研究表明,神经网络是一种有效的模式分类器,可用于对电力变压器状态的识别.     

基于多层前馈神经网络的并联型电能质量控制器

神经网络用于电力系统电能质量分析和控制是一个新研究领域.快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐波电流.系统中逆变器补偿电流的产生对系统的补偿性能至关重要,提出了一种基于神经网络的逆变器瞬时电流PWM控制.并联型电能质量控制器投入系统后电流总畸变率由26.29%下降为5.25%.仿真实例表明,所提并联型电能质量控制器动态响应快,可改善电力系统电流波形畸变,提高电能质量.     

基于改进BP算法神经网络的超声波电动机速度控制

针对超声波电动机没有精确数学模型,输出具有很强的时变性和非线性的特点,提出了一种改进BP神经网络控制器,神经网络由输入层、隶属函数层、规则层和输出层四层节点构成,在传统BP神经网络基础上,加入了模糊偏差单元和关联节点,使规则层不仅接收来自隶属函数层输出的信号,还接收自身的延时输出信号,能够存储过去的输入输出信息,提高控制系统学习记忆的稳定性。将改进BP神经网络控制器应用于行波超声波电动机速度控制,仿真实验验证了该方法的有效性,与传统BP神经网络相比较,控制精度、响应速度都有改善。     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。