资源描述:
《基于自组织神经网络和稳态模型的多台感应电动机聚合方法_张景超》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、第31卷第11期Vol.31No.11442007年6月10日June10,2007基于自组织神经网络和稳态模型的多台感应电动机聚合方法1,21222张景超,张承学,鄢安河,张鹏飞,李奎(1.武汉大学电气工程学院,湖北省武汉市430072;2.河南省电力公司,河南省郑州市450052)摘要:电力系统稳定计算中,精确的负荷模型为计算结果的可信度提供了保证。在利用统计综合法进行负荷建模时,如何提高多台感应电动机的聚合精度是研究的重要内容之一。文中提出一种基于自组织神经网络对电动机进行分类、并针对同一类型的电动机采用稳态模型进行等值的聚合方法。最后
2、,应用中国电力科学研究院开发的PSD-BPA暂态稳定计算程序,将分类聚合前后的典型居民和典型商业电动机数据分别代入进行仿真计算。结果表明,采用所提出的聚合方法可以提高多台电动机的聚合精度。关键词:稳态负荷模型;电动机聚合;自组织神经网络;负荷建模中图分类号:TM714;TP180引言当前河南电网正在进行负荷模型动态数据库的研发与构建工作,如何利用统计综合法提高多台感电力系统稳定计算中,各元件数学模型的精度应电动机的聚合精度是研究的重要内容之一。本文直接影响着最终仿真结果的可信度。随着发电机、提出一种应用自组织神经网络对多台电动机进行分励磁系统和输电线路参数的精确性
3、不断提高,努力类并基于稳态模型进行电动机聚合的方法。提高负荷模型参数的精度变得越来越重要。负荷建模方法主要有统计综合法和总体测辨法1基于自组织神经网络的电动机分类2种。目前较一致的看法是将这2种方法结合起[15][1-2]1.1自组织神经网络概述来,基于实际电网进行负荷建模工作。近年来对自组织神经网络模拟大脑神经系统自组织特征基于负荷测辨装置实测结果进行分类建模研究得比映射的功能,是一种竞争式学习网络,能够无监督地较多。文献[3]提出一种基于单一现场实测负荷记进行自组织学习。它包含输入层和输出层2层神经录的感应电动机参数加权平均综合建模法;文献[4]元。每个输入
4、层神经元与输出层神经元之间进行前提出了基于模糊C均值聚类的负荷特性分类方法馈全连接,并且在输出层的各神经元之间存在侧反并提出了多种特征量;文献[5]提出了负荷模型向量馈连接。基的概念;文献[6]基于随机过程相关性原理,提出在学习算法上,自组织神经网络通过对输入向一种基于实测响应空间的负荷动特性分类方法。量进行反复学习,找出获胜神经元。设输入向量为应用统计综合法进行建模时,电动机负荷模型T的聚合多从稳态模型和暂态模型入手。稳态模型多x=[x1,x2,,xp],与输出神经元j相对应的输入T采用基于容量加权的方法。文献[7]对1987年之前连接权值向量为Wj=[wj1,
5、wj2,,wjp]。可以通p的各种电动机聚合方法进行了总结,并对2种主要过对刺激量Ij=wjixi进行计算,找出最大刺激方法进行了对比。文献[8]从电动机暂态负荷模型i=1入手进行研究,受文献[9]启发提出了一种分类系数量的神经元作为获胜神经元,也可以选取权值向量法。文献[10]从电动机稳态模型出发,提出了一种距离输入向量有最小欧氏距离的输出神经元作为获新的电动机聚合方法。随着智能分类算法研究的不胜神经元。在学习过程中,权值的调整按下式进行:[11-13][14]断深入,近年来模糊聚类和自组织神经网络Wj(t)+(t)[x(t)-Wj(t)]也被应用到电力系统
6、负荷建模中。文献[14]指出,Wj(t+1)=jNr(t)(1)自组织神经网络是一种学习速度快、分类精度高、抗Wj(t)其他噪声能力强、并且适用于电力负荷动态特性聚类的式中:Nr(t)为以获胜神经元为中心、以r为半径的神经网络模型。神经元下标的集合,它在网络训练过程中不断变化;(t)为学习率,随时间不断减小;x(t)为神经元在t收稿日期:2006-10-12;修回日期:2007-01-23。时刻的输入量。学术研究张景超,等基于自组织神经网络和稳态模型的多台感应电动机聚合方法451.2输入向量的选择电阻和电抗采用导纳Ys来进行等值。等值前后电本文通过
7、试验,采用各台电动机的参数[Rs,动机从电源中吸取的有功和无功功率都不变。TXs,Xm,Rr,Xr,H,X,X,T0]作为输入向量。其中:Rs为定子电阻;Xs为定子电抗;Xm为激磁电抗;Rr为转子电阻;Xr为转子电抗;H为惯性常数;X=Xs+Xm为转子开路电抗;X=Xs+XmXr/(Xm+Xr)为转子堵转时的电抗;T0=(Xm+Xr)/图2电动机并联导纳等值电路Rr为暂态开路时间常数。Fig.2Shuntadmittancecircuitdiagramofamotor实际应用时,所有输入参数都是以各自电动机根据电路等效原理,端口等值导纳为:容量为基值