[发明专利]一种配电网供电实时补偿稳定性优化控制系统的实现方法在审
申请号: | 201710298524.7 | 申请日: | 2017-04-28 |
公开(公告)号: | CN107425517A | 公开(公告)日: | 2017-12-01 |
发明(设计)人: | 熊佳;冯利伟;杜欣慧;麻杰;马璇 | 申请(专利权)人: | 国网山西省电力公司大同供电公司 |
主分类号: | H02J3/00 | 分类号: | H02J3/00 |
代理公司: | 郑州知己知识产权代理有限公司41132 | 代理人: | 季发军 |
地址: | 037000 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 配电网 供电 实时 补偿 稳定性 优化 控制系统 实现 方法 | ||
1.一种配电网供电实时补偿稳定性优化控制系统的实现方法,其特征在于:包括如下步骤:
(1)确定RNNI、RNNC结构,对权值矩阵进行初始化,使用白噪声作为SVG的触发信号,采集系统输出作为训练数据,训练RNNI;
(2)设计PI控制器对SVG进行控制,并将系统的输入输出用于RNNC训练;
(3)使用训练好的RNNI、RNNC控制SVG,并给定期望输出;
(4)利用系统输出与期望输出之差,调整模型,使其学习SVG电力系统的动态特性;
(5)依据内模原理的误差传递特性完成控制器的训练;
(6)重复步骤(1)至步骤(5)直到获得理想的控制结果。
2.如权利要求1所述的配电网供电实时补偿稳定性优化控制系统的实现方法,其特征在于:所述RNNI结构的确定方法包括如下步骤:
RNNI结构分为输入层、隐含层和输出层,输入信号由参考输入的个数加上控制信号构成;定义和是隐含层中第j个神经元的输入和输出;输出层的神经元用下标k表示,输入输出分别为和定义u(t),x1(t-1),x2(t-1),x3(t-1)和x4(t-1)为RNNI的输入;和是连接神经元的递归权重,为隐含层内部连接权值,定义隐含层和输出层的关联权重,隐含层输入输出的关系可表示为:
j=1,...,mI
隐含层神经元的激活函数选用正负对称的sigmoid函数——双曲正切函数,有一个等式来表示:
权重的调整采用实时递归学习算法,首先定义目标函数EI(t)为误差平方和函数:
权值和基于误差函数调整,计算时采用负梯度方向搜索,步骤如下:
A、用0~1均匀分布的小随机数对权值矩阵W进行初始化,并选择一个收敛参数ε>0,
B、计算EI(t)为(4)式定义的误差函数;如果则停止调整误差,否则,进行下一步;
C、依据公式来更新权值,为预先给定的学习率参数,X分别为I或R;
D、返回步骤(B);
和的更新公式分别如下所示:
式中和计算公式如下:
3.如权利要求1所述的配电网供电实时补偿稳定性优化控制系统的实现方法,其特征在于:所述RNNC结构的确定方法包括如下步骤:
RNNC结构由输入层、隐含层和输出层构成;输入由给定的参考信号、辨识器的输出和SVG控制信号的反馈构成,输出层只有一个神经元,输出即为SVG控制信号,和分别定义为输入层第j个神经元的输入和输出,设RNNC的输入为u(t),x1(t-1),x2(t-1),x3(t-1)和x4(t-1),输出层只有一个神经元,它的输入为输出为u(t),u(t)即为SVG控制信号,定义隐含层内部的递归权重为连接隐含层与输出层的权重为
第一个隐含层第j个神经元的输入输出由下式确定:
RNNC的输出即为控制信号,因为输出层没有使用限幅函数,所以其输出等于输入:
定义RNNC的误差函数为:
rk(t),k=1,...,mc为期望输出;
同样,基于最速下降法,权值由下式确定:
和是RNNC的学习率,偏导和由下式确定
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网山西省电力公司大同供电公司,未经国网山西省电力公司大同供电公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710298524.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电池过流保护电路及电池过流保护方法
- 下一篇:混合电力系统中的负载管理