[发明专利]基于过程神经网络的TCSC控制方法及系统

权利要求书

1.一种基于过程神经网络的TCSC控制方法，对含TCSC的单机无穷大电力系统，通过对发电机的功角进行测量和处理，生成控制信号对TCSC的触发角进行控制，改变TCSC的等值阻抗，控制发电机的功角跟踪期望功角，其特征为，包含如下步骤：

步骤一、采用过程神经网络构造含TCSC单机无穷大电力系统的逆系统模型；

步骤二、测量TCSC的等值阻抗X_TCSC，并建立阻抗-触发角对应表α＝f(X_TCSC)；

步骤三、测量发电机的功角δ_a和机械功率P_m，通过一个附加线性控制器G_c(s)与步骤一中的过程神经网络连接，将发电机的期望功角δ_p和测量功角δ_a之差δ_e作为附加线性控制器的输入，附加线性控制器输出跟踪功角δ_t，将跟踪功角δ_t和机械功率P_m作为过程神经网络的输入，过程神经网络输出命令阻抗X_O；

步骤四、采用PID控制器对命令阻抗X_O与步骤二中测量的TCSC的等值阻抗X_TCSC之差进行校正，PID控制器输出调整阻抗分量，所述调整阻抗分量和命令阻抗X_O之和组成调整阻抗X_C，查询步骤二中的阻抗-触发角对应表，得到调整阻抗X_C对应的触发角α_c，采用触发脉冲发生器用触发角α_c触发TCSC，使得TCSC的等值阻抗等于调整阻抗X_C，从而使得TCSC系统的发电机的功角跟踪期望功角δ_p。

2.如权利要求1所述的基于过程神经网络的TCSC控制方法，其特征为，步骤一中的过程神经网络采取具有2个输入节点、9个隐层节点和1个输出节点的过程神经网络，输入与输出之间的关系为

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

其中，x_j为过程神经网络的输入，j＝1,2,x₁和x₂分别为机械功率P_m和跟踪功角δ_t，y为过程神经网络的输出，为与跟踪功角δ_t对应的命令阻抗X_O，[0,T]为采样时间区间，T=75s，v_i为隐层到输出层的连接权值，初始值为0.01，为输入层到隐层的连接权值，初始值为0.01，θ为输出层神经元阈值，初始值为0.03，b_l(t)(l＝1,2,…,18)为权值基函数，激励函数f(u)为Sigmoid函数，有f(u)=11+e-u;]]>

系统构造过程如下：

对于含TCSC单机无穷大电力系统，分别把阶跃、斜坡信号作为TCSC的阻抗输入25次，测量发电机的功角δ′和机械功率P_m′，并将所测量的发电机的功角δ′和机械功率P_m′进行二次多项式拟合，获取50组样本数据：δ′_k(t)、P_mk′(t)，k＝1,2,…,50；以该50组样本数据作为过程神经网络的输入，以TCSC的阻抗分别为阶跃、斜坡信号作为过程神经网络的期望输出dX_TCSCk，k＝1,2,…,50，对过程神经网络进行训练，采用基于梯度下降的学习算法，连接权值和阈值的学习效率均取为0.45，误差函数为训练误差精度取为0.05，最大迭代次数为30000，直至误差精度满足要求，则训练完毕，该过程神经网络即为含TCSC单机无穷大电力系统的逆系统模型。