[發明專利]基于過程神經網絡的TCSC控制方法及系統

無效

• 申請號: 201310491509.6
• 申請日: 2013-10-19
• 公開（公告）號: CN103501016A
• 公開（公告）日: 2014-01-08
• 發明（設計）人: 賀超英
• 申請（專利權）人: 中南林業科技大學
• 主分類號: H02J3/24
• 分類號: H02J3/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于過程神經網絡的TCSC控制方法，對含TCSC的單機無窮大電力系統，通過對發電機的功角進行測量和處理，生成控制信號對TCSC的觸發角進行控制，改變TCSC的等值阻抗，控制發電機的功角跟蹤期望功角，其特征為，包含如下步驟：

步驟一、采用過程神經網絡構造含TCSC單機無窮大電力系統的逆系統模型；

步驟二、測量TCSC的等值阻抗X_TCSC，并建立阻抗-觸發角對應表α＝f(X_TCSC)；

步驟三、測量發電機的功角δ_a和機械功率P_m，通過一個附加線性控制器G_c(s)與步驟一中的過程神經網絡連接，將發電機的期望功角δ_p和測量功角δ_a之差δ_e作為附加線性控制器的輸入，附加線性控制器輸出跟蹤功角δ_t，將跟蹤功角δ_t和機械功率P_m作為過程神經網絡的輸入，過程神經網絡輸出命令阻抗X_O；

步驟四、采用PID控制器對命令阻抗X_O與步驟二中測量的TCSC的等值阻抗X_TCSC之差進行校正，PID控制器輸出調整阻抗分量，所述調整阻抗分量和命令阻抗X_O之和組成調整阻抗X_C，查詢步驟二中的阻抗-觸發角對應表，得到調整阻抗X_C對應的觸發角α_c，采用觸發脈沖發生器用觸發角α_c觸發TCSC，使得TCSC的等值阻抗等于調整阻抗X_C，從而使得TCSC系統的發電機的功角跟蹤期望功角δ_p。

2.如權利要求1所述的基于過程神經網絡的TCSC控制方法，其特征為，步驟一中的過程神經網絡采取具有2個輸入節點、9個隱層節點和1個輸出節點的過程神經網絡，輸入與輸出之間的關系為

y=Σi=19vif[(Σj=12∫0T[Σl=118ωji(l)bl(t)xj(t)]dt-θ],]]>

其中，x_j為過程神經網絡的輸入，j＝1,2,x₁和x₂分別為機械功率P_m和跟蹤功角δ_t，y為過程神經網絡的輸出，為與跟蹤功角δ_t對應的命令阻抗X_O，[0,T]為采樣時間區間，T=75s，v_i為隱層到輸出層的連接權值，初始值為0.01，為輸入層到隱層的連接權值，初始值為0.01，θ為輸出層神經元閾值，初始值為0.03，b_l(t)(l＝1,2,…,18)為權值基函數，激勵函數f(u)為Sigmoid函數，有f(u)=11+e-u;]]>

系統構造過程如下：

對于含TCSC單機無窮大電力系統，分別把階躍、斜坡信號作為TCSC的阻抗輸入25次，測量發電機的功角δ′和機械功率P_m′，并將所測量的發電機的功角δ′和機械功率P_m′進行二次多項式擬合，獲取50組樣本數據：δ′_k(t)、P_mk′(t)，k＝1,2,…,50；以該50組樣本數據作為過程神經網絡的輸入，以TCSC的阻抗分別為階躍、斜坡信號作為過程神經網絡的期望輸出dX_TCSCk，k＝1,2,…,50，對過程神經網絡進行訓練，采用基于梯度下降的學習算法，連接權值和閾值的學習效率均取為0.45，誤差函數為訓練誤差精度取為0.05，最大迭代次數為30000，直至誤差精度滿足要求，則訓練完畢，該過程神經網絡即為含TCSC單機無窮大電力系統的逆系統模型。