BP神经网络在电力系统相角测量中的应用.pdf

BP神经网络在电力系统相角测量中的应用.pdf

ID:50641510

大小:1.34 MB

页数:3页

时间:2020-03-16

BP神经网络在电力系统相角测量中的应用.pdf_第1页
BP神经网络在电力系统相角测量中的应用.pdf_第2页
BP神经网络在电力系统相角测量中的应用.pdf_第3页
资源描述:

《BP神经网络在电力系统相角测量中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、《电气自动化》2012年第34卷第5期测量与检测技术Measurement&DetectingTechnicsBP神经网络在电力系统相角测量中的应用陈乃峰,丁晓群(河海大学能源与电气学院,江苏南京211100)摘要:简述了电力系统相角的测量意义,总结了测量的传统方法及其分类;对人工智能算法中的人工神经网络进行了研究,针对其实际测量中所需面对的频率变动、谐波掺杂、噪声干扰等问题,结合人工神经网络具有非线性映射、鲁棒容错的特性,提出了基于BP神经网络的相角测量方法。用准确的波形―相角数据对网络进行离线训练,再用于实际波形在线测量出对应相角。对其进行了仿真计算,仿真结果误差较小,证明了

2、方法的可行性。关键词:相角测量;神经网络;工频变化;谐波[中图分类号]TM935.23[文献标志码]A[文章编号]1000-3886(2012)05-0086-02TheApplicationofBPNeuralNetworksinPowerSystemPhaseAngleMeasurementCHENNai-feng,DINGXiao-qun(CollegeofEnergyandElectricalengineering,HohaiUniversity,NanjingJiangsu211100,China)Abstract:Describedthepowersystemphas

3、eanglemeasuringsignificanceandclassifiedthetraditionalmethodoftheanglemeasurement.StudiedtheartificialneuralnetworksintheArtificialintelligencealgorithms.Facingseveralproblemssuchas:frequencychanges,harmonicdoping,noise,combinedwithartificialneuralnetwork'snonlinearmapping,robustfault-toleran

4、tfeatures,aphaseanglemeasurementbasedonBPneuralnetworkwasproposed.Trainedthenetworkwithexactwave-angledata,andthenusedthenetworktomeasurethephaseanglecorrespondtotheactualwaveform.Andcarriedoutthesimulation,thesmallerrorprovedthefeasibilityofthemethod.Keywords:phaseanglemeasurement;neuralnetw

5、orks;frequencychange;harmonic0引言都避免不了算法复杂、计算量大的问题。本文对迅速发展及应用的人工智能方法进行了研究,对将其相角是电力系统中的一个重要参数,相角涉及到电力系统的应用于电力系统相角的测量进行了探讨,通过仿真,验证了该方监视、控制和保护等诸多领域,无论是对电力系统的静态稳定还[1]法的可行性。是暂态稳定都有极其重要的意义。母线电压相量、容性设备介损值、实时功率因数等参数的测量归根结底都是对正弦电压、电2利用BP神经网络测量相角的思路及实现流波形相位的测量。从参考时刻开始一段时间内正弦波形的不同对应着初相角人工神经网络(ANN)利用物理器件模

6、拟生物神经网络的某的不同,也就是说一个波形只对应着一个相角(0-360°),波形与些结构和功能,具有分布并行处理、非线性映射、自适应学习、鲁相角之间是一个非线性映射关系。传统的算法较多利用谐波分棒容错等特性,已经广泛应用于模式识别、信号处理、智能控制等析法将这种非线性映射关系客观表达出来。人工神经网络的发领域。多层前馈神经网络(MLFNN)是目前研究较多的人工神展给人们提供了另外一种独特的视角,BP网络能学习和存贮大经网络,其理论、实践和算法都较为成熟,尤其它能实现从输入到量的输入—输出模式映射关系,而无需事前揭示描述这种映射关[2]。BP(BackPropagation)网络是

7、一种按输出的任意非线性映射系的数学方程,有良好的非线性映射能力或“识别”能力,同时又误差逆传播算法训练的多层前馈网络,它的学习规则是使用最速具有学习、容错、泛化特性[4]。所以,只要合理选择输入的维数、下降法,通过反向传播来不断调整网络的权值和阈值,使网络的隐层节点数、训练样本的容量、训练误差的大小,就能实现利用神误差平方和最小。经网络准确“识别”相角的功能。1相角测量的传统方法电力系统中电压、电流波形是通过互感器获得,将获得的波相角测量的方法主要分为两大类:硬件法和软件法。其中

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。