电力系统负荷频率控制LFC的小波神经网络辨识.pdfVIP

维普资讯 第34卷 第9期 继 电器 Vo1．34 No．9 34 2006年5月1日 RELAY May1，2006 电力系统负荷频率控制 LFC的小波神经网络辨识 李正，杜成涛，杨文焕 (上海理工大学电气工程学院，上海200031) 摘要：建立了非线性的电力系统负荷频率控制 LFC模型，利用递归NARMA模型的小波网络的实现方法对 LFC模型进行 了辨识，利用Akaikeg的最终预测误差准则 FPE和信息准则AIC，进行了隐层节点数 目和反馈 阶次的计算，理论和仿真表明辨识模型可取得较好效果 关键词：小渡神经网络； 负荷频率控制；NARMA模型 中图分类号：TM71 文献标识码 ：A 文章编号：1003-4897(2006)09-0034-03 0 引言 c = d oo (2) 小波的起源可追溯到2O世纪初，但小波分析的 如果母小波 为允许小波，则可以从连续小波 成形与发展还是在8O年代后期开始，它是数学理论 变换中恢复出原始信号，即有如下连续小波分解和 中调和分析技术发展的必威体育精装版成果。1992年，法国信 重构式： 息科学研究机构的ZhangQinghua等提出了小波神 (，)=J )(deto)丁[Dx一￡]dx(3) 经网络的概念和算法。小波神经网络的基本思想是 )= (f)(decD)I ]dyd 用小波元代替神经元 ，通过仿射变换建立起小波变 换与网络参数之间的连接。 (4) 随着电力技术的发展 ，发电机组的容量 日趋增 如果 满足框架特性：存在两个常数 c 和 大，电网结构及其运行方式 日益庞大和复杂。电力 c ，对于所有 ￡(R)中的 ，满足 系统中的各个环节存在着非线性和多变量的交叉与 融合，使系统的数学模型更加难以建立和求解，并且 c ≤∑I I≤c (5) = 控制器控制参数的调整也很困难，即使对系统进行 在求和中，，表示 ( )的内积，求和范 简化，对应不同时刻和不同的运行方式，也难 以找到 围为整个 簇中的所有元素。那么就可以从所有 合适的控制器参数。因此有必要研究新的更有效的 框架 (f)中的元素的线形组合中恢复出原始信号。 负荷频率辨识和控制方法。本文将小波神经网络应 如果 Ci=C…=C，那么框架 是紧支框架， 用于电力系统负荷频率辨识中。 有下式成立： 1 小波神经网络的辩识模型 )=C ∑ID( I。D(：{D(∈ }(6) 将