资源描述:
《基于rbf神经网络的干式空心电抗器涡流损耗计算》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、(录用定稿)网络首发时间:2017-12-0417:31:20GB/T7714-2015格式参考文献:陈锋;王嘉玮;吴梦晗;马西奎.基于RBF神经网络的干式空心电抗器涡流损耗计算[J/OL].电工技术学报,:1-10.(2017-12-04).http://kns.cnki.net.hebeu.vpn358.com/kcms/detail/11.2188.TM..1438.090.html.DOI:10.19595/j.cnki.1000-6753.tces..DOI:10.19595/j.cnki.1000-6753.tce
2、s.基于RBF神经网络的干式空心电抗器涡流损耗计算陈锋王嘉玮吴梦晗马西奎电力设备电气绝缘国家重点实验室(西安交通大学)上海思源电气股份有限公司导出/参考文献已关注关注X关注成功!加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知!分享·新浪微博·腾讯微博·人人网·开心网·豆瓣网·网易微博收藏打印摘 要:基于数值仿真技术分析了干式空心电抗器的结构参数对其涡流损耗的影响,并结合工程实际,建立了考虑绕组截面填充结构、导线截面形状、气道宽度和每个包封内层数等因素的通用模型。为了提高干式空心电抗器涡流损耗的计算精度,根据
3、输出响应和输入参数之间的函数关系,建立了基于指数型RBF神经网络的干式空心电抗器涡流损耗计算模型,并采用粒子群算法和梯度下降法对网络参数进行优化。算例结果分析表明,基于RBF神经网络的干式空心电抗器涡流损耗模型具有计算精度高和速度快的优点,适用于干式空心电抗器的优化设计。关键词:交流电阻;干式空心电抗器;RBF神经网络;粒子群算法;作者简介:陈锋,男,1979年生,博士,讲师,研究方向为电力设备的优化设计和特性分析。E-mail:chenf@mail.xjtu.edu.cn(通信作者)作者简介:王嘉玮,男,1990年生,博士研
4、究生,研究方向为工程电磁场数值计算及其软件技术。E-mail:wangjiawwei@outlook.com收稿日期:2017-04-19基金:国家自然科学基金()资助项目EddyCurrentLossCalculationofDry-typeAir-coreReactorBasedonRBFNeuralNetworkChenFengWangJiaweiWuMenghanMaXikuiStateKeyLaboratoryofElectricalInsulationandPowerEquipmentXi'anJiaotongUn
5、iversity;ShanghaiSieyuanElectricCorporationLimited;Abstract:Basedonnumericalsimulations,thestructuralparametersofdry-typeair-corereactorwereanalyzedfortheeffectoneddycurrentlosses.Aunifiedmodelinengineeringpracticewasthenproposedtoconsiderthefitschemeofwindingcrosss
6、ection,theshapeofconductorcrosssection,theairwaywidth,andthenumberoflayersperpackage.Inordertoimprovethecomputationalaccuracyofreactoreddycurrentlosses,aradialbasisfunction(RBF)neuralnetworkmodelwasestablished,inwhichtheexponentialfunctionwasdeterminedastheactivatio
7、nfunctionaccordingtotherelationshipbetweentheinputandoutputvariables.Moreover,animprovedparticleswarmalgorithmforoptimizingnetworkparameterswaspresented.Numericalresultsindicatethattheproposedmodelexhibitsthehighestprecisionandbestcomputationalperformance.Asaresult,
8、thismodelappliesespeciallytotheoptimumdesignofdry-typeair-corereactors.Keyword:ACresistance;dry-typeair-corereactor;RBFneuralnetwork;parti