未来智讯 > 神经网络论文 > 混沌神经网络在同一潮水把握器应用切磋

混沌神经网络在同一潮水把握器应用切磋

发布时间:2019-03-29 01:06:01 文章来源:未来智讯    
    hun沌神经网络zai同一chao水bawo器应用qie磋作者未知 摘要:为寻觅同一潮水把wo器把握can数de最优值ji加kuai在线寻优de拘谨速率且幸免调解把握器canshude繁难ji削减人们de先验常识对gong率及dianya调度的影响wenzhong选取基于遗传suanfa与ti度jiangluo法lianhe的混沌神经网络,联合dian流展望d-qzhou解耦把握和电压空间矢liang脉宽调制ji艺来sheji同一潮水把握器bing用于单机wu限大tixi,以调度输电线路有功gonglv及无功功率及维持jie点电压及电容器端电压的不变。仿zhenbiao明是youyong的。
  关头词:混沌神经网络遗传算法;ti度jiang落法;同一潮水把握器
  中图分类号:TM72 文献标志码:A
  同一潮水把握器(UPFC)是一种高效的柔性交流输电体系,能有用地调度电liti系有功功率、无功功率、jie点电压,提高输电线路的运送功率及电力体系暂态不变。今朝学者们从传统线性把握、最优把握、lu棒把握、非线性把握、混沌把握、遗传算法伸kai对UPFC切磋。但因为这些把握技艺的自身弱点,致使仍存在必然的缺陷,首要有纵然传统PID把握算法相当简略,易于兑现,但无法顺应被控对象的can数改变,且把握器参数调解较为繁难;纵然混沌把握具有逻辑推理、鲁棒性强的特点,但过度依kao人mende先知阅历。纵然遗传算法虽然能在整个解空间进行全局sou罗,能获得全局优化的最优值,但搜罗速率慢。鉴于以上的问题,我们索求基于遗传算法与ti度降落法联合的混沌神经网络把握器在UPFC的应用,行使遗传算法的全局搜罗才力及梯度降落法的急剧性来兑现多指标把握和谐把握,即议决遗传算法lixian寻觅混沌神经网络参数的"准最优值"后,行使梯度降落法在线加快寻优拘谨速率,以得参数的"最优值",并联合电流展望、d-q轴解耦把握策略和电压空间矢量脉宽调制技艺来兑现UPFC把握。以幸免调解把握器参数的繁难及削减人们的先验常识对把握本能的影响。
  1、同一潮水把握器
  本文以带有UPFC的单机无限大体系为切磋对象,个中UPFC装pei由串联变压器、并联变压器、变换器及直流电容器构成,变换器1联贯串联变压器T1,变换器2联贯并联变压器T2。其数学模子及把握策略描绘ru下。
  1.1 同步电机的数学模子
  单机无限大体系同步电机的数学模子取二阶模子,有:
  1.2 d-q轴解耦把握fang程
  在思虑串、并联变压器的相漏抗、相阻抗及变换器的消耗zhi和直流电容器的电容根本上,假ding无限大体系电压Us、节点电压Ut、ω为体系频率、串联变压器的阻抗Rse、感抗Lse和电压Use 、并联变压器的阻抗Rsh、感抗Lsh和电压Ush、线路的阻抗R1、感抗L1、Rz=Rse+R1,Lz=Lse+L1。串联真个d-q轴解耦把握方程为:
  2.3电容器端电压的动态方程
  假定电容器的电容C、电容器端电压为 ,UPFC吸收、发出的有功功率离别为 ,则其暂态方程为:
  2、电压空间矢量脉宽调制
  变换器开关元件的调制模式选取电压空间矢量脉宽调制技艺。那么bao负三相电压源与两相扭转坐标转换公式为
  电压空间矢量在d-q轴作用时间及零向量作用时间为:
  Tc为开关周期,Umax 为电压空间矢量的fuzhi,Ud为电容器的端电压。为了幸免参考电压矢量超出变换qimeng受才力,对变换器的作用时间进行限定,即当t1+t2=Tc,取:
  3、同一潮水把握器把握策略
  UPFC所选取把握策略有:有功功率P、无功功率Q的调度选取基于电流展望的d-q轴解耦把握策略,方kuaitujiantu1;节点电压和电容器端电压的调度选取基于遗传算法与梯度降落法联合的混沌神经网络和d-q轴解耦把握策略,方块图见图2。
  3.1 功率的把握策略
  为维持有功功率P、无功功率Q为某一指标值,ke选取基于电流展望的d-q轴解耦把握策略,d-q轴电流展wangzhi取:
  3.2 电压的把握策略
  为了维持节点电压的不变,混沌神经网络FNNC1输ru量取电容器端电压的偏差值ΔUd=Udabj-Ud及偏chagai变率dΔUd/dt输出量为电容器端电压的电流指标值ishdobj;混沌神经网络FNNC2输入量为节点电压偏差Δut=utabj-ut及偏差改变率Δut/dt,输出量为对节点电压的电流指标值ishdobj。
  3.3 基于遗传算法与梯度降落法联合的混沌神经网络
  混沌神经网络[3]由赓xu输入ceng混沌化层、混沌逻辑层、混沌gui一层、赓续输出层等各层节点构成。赓续输入层起到旌旗灯号传输的功能,混沌化层对输入格外进行混沌化,混沌逻辑层完成混沌逻辑准则的条件前提的运算。混沌归一层兑现匹配度的归一化运算,输出层完成归一化后的匹配度与联贯权的加权线性和运算,求出正确输出值。其离线jinxiu算法选取遗传算法离线训练混沌神经网络的混沌把握逻辑准则参数(mi,j、σi、j、Wi)的初值,指标函数取:
  ωt、ut和ud离别为电力体系的频率、节点电压、电容器端电压。
  在线进修算法选取梯度降落法,从属函数的中心及宽度的训练算法为:
  联贯权系数的训练算法为:
  4 仿真
  为了比力剖析,文中选取传统两个PI把握器置换图2两个混沌神经网络FNNC,其他把握策略稳定,设计出另一种UPFC。仿真选取C++说话编写步骤,个中单机无限大体系的参数如下:Lsh=.01,Rsh=0.1,Lse=0.01,Rse=0.1,Ll=0.03,Rl=0.3, Xq=0.18, =0.16,采yang周期 Ts=0.004S,Ts/Tc=4,混沌神经网络FNNC1、FNNC2的参数个数一样,个中输入量的论域各wei7个,混沌逻辑准则为49个,每个FNNC的从属函数的参数mi,j、σi、j为14个,联贯权Wi为49个; FNNC1中梯度降落法的进修系数为λ1=λ2=λ3=0.2, sign ()为正,遗传算法的交织几率Pc =0.6,突变几率 Pm=0.001;FNNC2梯度降落法的进修系数为λ1=λ2=λ3=0.15,sign (・)为正。遗传算法的交织几率Pc =0.6,突变几率 Pm=0.001。
  统在3.2S时,输电线路的有功功率由0.2pu升至0.4pu,无功功率由0.2pu升至0.3pu,在9.6S时,有功功率由0.4pu升至0.6pu,无功功率由0.3pu升至0.5pu。离线训练200代后即可进行在线把握,把握仿真曲线如图3~6:
  仿真了局证明:这两种UPFC能有用兑现有功功率、无功功率的解耦把握,能将节点电压的改变把握zai1±0.04pu局限内;能将电容器端电压的改变把握在1±0.07pu局限内,且把握效率较优。
  5 结论
  该FNNC-UPFC兑现把握参数主动寻优及加快在线寻优过程,幸免调解把握参数的繁难及削减人们的先验常识对功率及电压调度的影响,能有用地把握有功功率和无功功率;维持节点电压和电容器端电压不变;表明该设计要领及把握策略是有用的。
  参考文献
  [1] 鞠儒生, 陈宝贤, 邱晓刚. UPFC把握要领切磋. 中国电机工程学报, 2003, 6:60~65.
  [2] Q. Yu, S.D. Round, L. E. Norum. and T. M. Undeland. Dynamic Control Of A Unified Flow Controller. IEEE Press, 1996: 508~514.
  [3] 叶其革, wu捷. 一种自组织混沌神经网络把握器. 把握与决议计划[J], 1998, 11:694~699.
  作者简介:叶其革,男,广东,高工,博士,从事电力设计、项目评审及切磋。
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0329/86579/
 与本篇相关的热门内容: