神经网络励磁控制系统电力系统暂态稳定分析

《神经网络励磁控制系统电力系统暂态稳定分析》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、神经网络励磁控制系统电力系统暂态稳定分析摘要，本文介绍人工神经网络（ANN）基于控制器模型来模拟自动电压调节器（AVR）的响应的暂态稳定分析。两种不同的模型进行了数值模拟考虑单机连接到无穷大（SIMB）检查神经网络响应行为与传统的控制器。基于模拟结果，发现神经网络控制器具有更好的响应消除振荡，而常规的AVR控制器显示才到达波动和振荡稳态条件。一个神经网络的软件控制器的研制模拟自动电压调节器的行为提高电力系统暂态稳定。关键词，人工神经网络;电力系统;控制系统;稳定性I.简介在电力系统，励磁系统，有助

2、于在一有效电压控制和系统升级稳定。它必须能够快速响应扰乱提高暂态稳定和小信号稳定。该控制策略的目标是创造和提供在一个相互联系的制度在经济和权力同时尽可能保持可靠的电压和频率在允许的极限。三个主要控制系统直接影响同步发电机：锅炉，省长和激励。励磁系统被认为是场源的同步励磁电流发电机励磁机和AVR，包括（自动电压调节器）和励磁控制系统的反馈控制系统，其中包括同步机，其励磁系统[1-5]。在一个相互联系的电力系统中，LFC（负荷频率控制）和AVR设备安装每台发电机。该控制器是为某一特定操作条件和参与负荷

3、需求的照顾小的变化，以维持频率和电压幅度在规定的限度。实际功率小变化主要依赖于A.P.Memon以及Z.A.Memon的电机工程学系转子角（δ）和频率的变化。无功功率主要是对电压的大小（即依赖于发电机励磁）。影响有功变化主要是系统频率，而减少无功功率敏感的频率的变化，主要取决于改变电压的大小。因此，有功和无功是单独控制。LFC循环的控制实际功率和频率，AVR的回路调节反应功率和电压的大小[1，4，5]。在现有的系统是直流发电机励磁无论是驱动蒸汽涡轮机（上作为同一轴发电机）或异步电动机。越来越多的固

4、态系统由某种形式组成或整流器晶闸管系统也有由总线提供一个交流发电机励磁机组成。电压调节器是智能的系统，通过控制励磁输出电压来使得无功功率按照既定的方式变化。在大多数的系统中，自动电压调节器（AVR）是一个能感应发电机的输出电压（电流），然后启动纠正行动改变着希望的方向励磁控制的控制器。该AVR的速度对稳定性要求很高。由于绕组在发电机领域具有较强的电感，这是很难使目前在该领域的迅速变化。这引入了控制功能，是相当落后的主要障碍之一，以克服在一个设计调节系统[1,4]。II.暂态稳定分析在电气系统的可靠

5、性第一需求是保持同步发电机并联工作，并有足够负载能力，以满足需求。如果在任何时候，系统中的一台发电机失去与其余的同步运行，电压和电流的显着波动的发生和传输将可以从他们的中继系统深刻系统影响配置被自动删除。第二个需求是维持系统的完整性。高压输电系统连接的负荷中心的。这些网络中断具有可以阻碍负载流动的能力。这通常需要在电力系统进行拓扑结构的研究，几乎所有的电气系统都是相互连接的。当在正常负载条件下电力系统遭受干扰，那么同步电机电压角将出现重排。如果在每个系统的生成和加载的干扰之间创建一个不平衡点，一个

6、新的操作点将设立以及电压会有所调整角度。系统调整到新的运行状态称为“暂态期”，在此期间系统的行为被称为“动态表现”[1]。作为一种原始的定义，可以说，该系统经过短暂的干扰在短暂的振动响应期间被抑制而系统将在一定时间的推移，到一个新的操作条件，因此系统是稳定的。这意味着振荡阻尼，该系统具有往往会减少振荡的内在的能力。根据电力系统的配置和其运作模式，它的不稳定可以显示在不同的方式，但它也可以观察到没有同步的损失。自动装置控制发电机的输出电压和频率，以使他们不断根据预先设定的值。这些自动装置包括有自动电

7、压调节器和调速器。然而所有发电机的运行循环都比AVR的慢，这主要是与其涡轮采取最后行动相关联。自动电压调节器的主要目的是控制发电机励磁电压调节端电压。为了保持工作电压在预先确定的限额，AVR必须跟踪发电机在所有时间和任何负载下条件下的端电压。在此基础上，可以说，AVR的也控制无功功率和机器功率因数，一旦这些变量与发电机励磁的水平。AVR的质量影响稳态运行过程中电压等级，同时减少在瞬态期间的电压振荡，影响了整个系统的稳定性[1，4，5]。III.人工智能采用传统的控制理论控制高度非线性的复杂系统已被

8、证明是非常困难的。在这些情况下，人工智能的自然语言已被证明是有用的，因为它具有对不确定性的处理，更接近人类的逻辑思维。而人工神经网络已经从人工智能中被挑选出来了。IV.人工神经网络（ANNs）人工神经网络（ANNs）是仿照人类大脑。这地方有很多名字，如联结，神经计算，并行分布处理（PDP），自然的智能系统，机器学习算法，或者干脆神经网络（NN）。之所以称为神经网络，是因为它是一个相互关联的因素网络。这些元素的灵感来自对生物神经系统的研究。也就是说，神经网络是一个创造的机器工作，通过