欢迎来到天天文库
浏览记录
ID:51816830
大小:369.39 KB
页数:5页
时间:2020-03-16
《人工神经网络在电力系统无功电压优化中的应用.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、沈阳农业大学学报,2008-12,39(6):713-717JournalofShenyangAgriculturalUniversity,2008-12,39(6):713-717人工神经网络在电力系统无功电压优化中的应用121吴秀华,吕霞,罗海燕(1.沈阳农业大学信息与电气工程学院,沈阳110161;2.大连水产学院职业技术学院,辽宁瓦房店116300)摘要:电力系统无功电压的优化是提高电能质量,保证电压稳定的有效而重要的手段,国内外对无功优化的研究历时已久,但系统中实时的无功优化控制仍是一大难题。人工神经网络集若干新兴学科于一体,具有强大的信息分布式存储和并行处理功能,
2、适于解决大型复杂的非线性多变量系统的相关问题。利用人工神经网络中的BP网络,对目前愈趋复杂的电力系统的无功电压优化问题提出解决方案,避免了求解多变量非线性混合约束方程组的难题,使得问题的解决方案更简易可行。通过对IEEE-30节点系统和辽宁省某局的实际数据分析测试表明,BP神经网络应用于无功电压优化是可行的。同时,探讨了BP神经网络中的结构参数和算法参数的改进对网络泛化性能的影响,从而提出了一些提高神经网络泛化性能,减小泛化误差的有效措施,使神经网络的输出精度得到进一步提高。关键词:人工神经网络;BP神经网络;电力系统;无功电压优化中图分类号:TP183;TM711文献标识码
3、:A文章编号:1000-1700(2008)06-0713-05ApplicationofArtificialNeuralNetworksonOptimizationofReactivePowerandVoltageControlinPowersystem121WUXiu-hua,L譈Xia,LUOHai-yan(1.CollegeofInformationandElectricalEngineering,ShenyangAgriculturalUniversity,Shenyang110161,China;2.CollegeofVocationalandTechnical,
4、DalianFisheriesUniversity,WafangdianLiaoning116300,China)Abstract:Optimizingreactivepowerandvoltagecontrolinpowersystemisanimportantandefficientmethodtoimprovethevoltagequalityandensurethevoltagestability.Thestudyoncontrollingandoptimizingthereactivepowerrealtimehasbeenlastingforlongtime.Th
5、eartificialneuralnetworks(ANN)isanewsubjectcombiningwithseveralothersubjects.Ithasstrongcapabilitiesininformationdistributingstorageandparalleloperation.Itcanbeusedforsolvinglarge,complicatedandnon-linearsystemwithmultiplevariables.Thispaperputforwardasolutionfortheoptimizationofreactivepow
6、erandvoltagecontrolinpowersystemusingBPneuralnetwork.Thissolutionmadetheproblemmucheasierandmorefeasible.Italsoavoidedthediffi-cultiesinsolvingthemultivariable,non-linearandmixedconstraintequations.BPNeuralNetworkcouldbewellusedintheop-timizationofreactivepowerandvoltagecontrolbytheanalyzin
7、gofthecaseofIEEE-30system.ThepaperalsodiscussedtheeffectoftheparametersofNNstructureanditsalgorithmsonneuralnetworkgeneralizationability.Somemethodsofimprovingthegeneralizationability,decliningthegeneralizationerrorandraisingtheoutputprecisionweresuggest
此文档下载收益归作者所有