基于自适应BP网络的广义负荷动静比例辨识

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (295 KB)
输出: BibTeX | EndNote (RIS)

摘要提出利用自适应前馈网络(ABP)拟合负荷动静比例β与区域联络线有功P_L、无功Q_L、电压U_L、频率f_L、等值电源P_G的关系, 把经过训练后的ABP网络用于暂稳分析中辨识广义负荷动静比例的方法。该方法首先建立所研究区域电网的广义负荷等值模型, 通过改变等值模型中负荷动静比例形成ABP网络的训练样本集, 利用训练后的ABP网络在暂稳分析中辨识负荷动静比例。在CEPRI 36节点系统和青山局部电网上的仿真结果表明, 利用ABP网络辨识广义负荷动静比例, 可以获得较好的暂态辨识结果, 且具有较高精度。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘代刚
	刘涤尘
	张文嘉
	汪如松

关键词 ： ABP网络, 广义负荷等值, 负荷动静比例辨识

Abstract：This paper presents a method which uses adaptive BP(ABP) network to fit the relationship between the proportion of dynamic load and the active power P_L, reactive power Q_L, voltage U_L, frequency f_L of the transmission line, equivalent power P_G of Equivalent generalized load, then uses the trained ABP to identify β in transient stability analysis. This method firstly creates the equivalent generalized load model of the regional power system; secondly, changes the β to form the training data of ABP; finally uses thes trained ABP to identify β in transient stability analysis of the regional power grid. Simulation results on CEPRI 36 nodes system and power grid of Qingshan show its feasibility and effectiveness.

Key words： Adaptive BP network generalized load equivalence identification of the proportion of dynamic load

收稿日期: 2011-10-09 出版日期: 2014-03-25

PACS:

TM714

基金资助:国家自然科学基金资助项目(51077103)

作者简介: 刘代刚男, 1986年生, 硕士研究生, 主要研究方向为电力系统运行与控制。刘涤尘男, 1953年生, 教授, 博士生导师, 长期从事电力系统稳定与控制等方面的研究。

引用本文:

刘代刚, 刘涤尘, 张文嘉, 汪如松. 基于自适应BP网络的广义负荷动静比例辨识[J]. 电工技术学报, 2013, 28(8): 78-83. Liu Daigang, Liu Dichen, Zhang Wenjia, Wang Rusong. Identification of the Proportion of the Dynamic Load in Generalized Load Based on Adaptive BP Network. Transactions of China Electrotechnical Society, 2013, 28(8): 78-83.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2013/V28/I8/78

[1] 鞠平, 何孝军, 黄丽, 等. 广义电力负荷的模型结构与参数确定[J]. 电力系统自动化, 2006, 30(23): 11-13.
[2] 鞠平. 电力系统负荷建模理论与实践[J]. 电力系统自动化, 1999, 23(19): 1-7.
[3] Hagan M T, Demuth H B, Beale M H, et al. Neural network design[M]. 戴葵, 译. 北京: 机械工业出版社, 2002.
[4] Park D C, El Sharkawi M A, Marks R J II, et al. Electric load forecasting using an artificial neural network[J]. IEEE Transactions on Power Systems, 1991, 6(2): 442-448.
[5] Hiyama T, Tokieda M, Hubbi W, et al. Artificial neural network based dynamic load modeling[J]. IEEE Transactions on Power Systems, 1997, 12(4): 1576-1583.
[6] Hsiung Cheng Lin. Intelligent neural network-based fast power system harmonic detection[J]. IEEE Tran- sactions on Industrial Electronics, 2007, 54(1): 43-52.
[7] 艾芊, 陈陈, 沈善德, 等. 简化前馈网络用于负荷模型参数辨识的研究[J]. 中国电机工程学报, 2005, 25(5): 21-27.
[8] 范澍, 毛承雄, 陆继明, 等. 多机电力系统神经网络最优励磁控制器[J]. 中国电机工程学报, 2004, 24(7): 80-84.
[9] 史真惠, 朱守真, 郑竞宏, 等. 改进BP神经网络在负荷动静比例确定中的应用[J]. 中国电机工程学报, 2004, 24(7): 25-29.
[10] 倪以信, 陈寿孙, 张宝霖. 动态电力系统的理论和分析[M]. 北京: 清华大学出版社, 2002.
[11] 昆德. 电力系统稳定和控制[M]. 北京: 中国电力出版社, 2002.
[12] 鞠平, 马大强. 电力系统负荷建模[M]. 北京: 中国电力出版社, 2008.
[13] 顾丹珍, 艾芊, 陈陈, 等. 自适应神经网络在负荷动态建模中的应用[J]. 中国电机工程学报, 2007, 27(16): 31-36.
[14] 黄辉, 舒乃秋, 李自品, 等. 基于信息融合技术的电力系统暂态稳定评估[J]. 中国电机工程学报, 2007, 27(16): 19-23.
[15] 汪小明, 刘涤尘, 吴军, 等. 电力系统暂态稳定分析广义负荷模型[J]. 电网技术, 2011, 35(3): 44-48.