一种基于模糊神经网络的电压无功优化控制方法技术

本发明专利技术公开了一种基于模糊神经网络的电压无功优化控制方法，具体按照以下步骤实施：步骤1、在电压无功优化控制电路中，检测整个电路的负荷侧的电压、变压器高压侧流入的无功；步骤2、根据步骤1检测的整个电路的负荷侧的电压、变压器高压侧流入的无功，选择模糊神经网络控制系统的隶属函数和模糊神经系统的解模糊方法；建立模糊神经网络的电压无功优化控制系统；步骤3、将检测整个电路的负荷侧的电压、变压器高压侧流入的无功代入基于模糊神经网络的电压无功优化控制系统，经对输入、输出样本作归一化处理后，可作为网络学习样本的输入量和输出量，完成电压无功优化控制，解决了现有技术存在的电压无功控制方法计算复杂的问题。

An optimal control method of voltage and reactive power based on Fuzzy Neural Network

【技术实现步骤摘要】
一种基于模糊神经网络的电压无功优化控制方法
本专利技术属于电压无功控制
，涉及一种基于模糊神经网络的电压无功优化控制方法。
技术介绍
电力是国民经济的命脉。在社会经济不断发展的今天，人们对电能质量提出了更高的要求，因此电力企业把提高供电质量作为最主要发展的目标和方向。衡量电能质量重要的指标之一是电压。电压质量不佳不仅会降低用电设备的效率，增大网络的损耗，还会影响电网的安全稳定运行，甚至引发电网崩溃，导致电网大面积停电事故。衡量电能质量的另一指标是电网的无功功率水平。电网系统中，无功功率过少会引起系统运行电压下降，同时使网络损耗升高；无功功率过多会引起系统运行电压上升，同时降低输送容量，对电网运行产生不利影响。电力调度部门在电力生产中负责监控设备运行情况及电网各项实时数据，同时根据实际情况对各送变电设备进行调整，使电力系统尽可能处于最优化运行状态，从而确保用电设备获得更加优质、更加可靠的电能，但是，由于电压无功控制具有非线性、强耦合、多极限的特点，因此很难建立精确的数学模型，所以现有的电压无功控制方法具有控制性较差、计算复杂、鲁棒性差的问题本文档来自技高网...

【技术保护点】
1.一种基于模糊神经网络的电压无功优化控制方法，其特征在于，具体按照以下步骤实施：/n步骤1、在电压无功优化控制电路中，检测整个电路的负荷侧的电压、变压器高压侧流入的无功；/n步骤2、根据步骤1检测的整个电路的负荷侧的电压、变压器高压侧流入的无功，选择模糊神经网络控制系统的隶属函数和模糊神经系统的解模糊方法；建立模糊神经网络的电压无功优化控制系统；/n步骤3、将检测整个电路的负荷侧的电压、变压器高压侧流入的无功代入基于模糊神经网络的电压无功优化控制系统，经对输入、输出样本作归一化处理后，可作为网络学习样本的输入量和输出量，完成电压无功优化控制。/n

【技术特征摘要】
1.一种基于模糊神经网络的电压无功优化控制方法，其特征在于，具体按照以下步骤实施：
步骤1、在电压无功优化控制电路中，检测整个电路的负荷侧的电压、变压器高压侧流入的无功；
步骤2、根据步骤1检测的整个电路的负荷侧的电压、变压器高压侧流入的无功，选择模糊神经网络控制系统的隶属函数和模糊神经系统的解模糊方法；建立模糊神经网络的电压无功优化控制系统；
步骤3、将检测整个电路的负荷侧的电压、变压器高压侧流入的无功代入基于模糊神经网络的电压无功优化控制系统，经对输入、输出样本作归一化处理后，可作为网络学习样本的输入量和输出量，完成电压无功优化控制。


2.根据权利要求1所述的一种基于模糊神经网络的电压无功优化控制方法，其特征在于，所述步骤1具体按照以下实施：通过调节变压器分接头位置，来改变变压器变比，使负荷侧母线电压保持在规定范围内。通过调节补偿电容器投切组数，使变电站无功尽量就地保持平衡。整个系统的负荷侧的电压、变压器高压侧流入的无功作为输入量，与经过控制后，测量系统反馈的负荷侧的电压、变压器高压侧流入的无功量的差值，是模糊神经网络控制系统的输入量，经过模糊神经网络系统的调节，得到被控对象的输入值，检测的得到：U为电压输入从负载端获取的电压；Q为无功量取变压器高压侧输入的无功量；△U、△Q为电压和无功的误差量；△K为变压器有载调压开关分接头位置变化量；△QC为补偿电容器投切组数的变化量；K为变压器有载调压开关的分接头位置量；Qc为补偿电容器投入的组数；U1，Q1是调节后，根据K和Qc，测量系统反馈输出的电压值和无功量。


3.根据权利要求1所述的一种基于模糊神经网络的电压无功优化控制方法，其特征在于，所述步骤2中的选取模糊神经网络控制系统的隶属函数具体按照以下实施：
采用BP学习方法，学习模糊神经网络模型时，必须使用梯度下降法计算误差为E的权重的偏导数，要求隶属函数为连续可微函数，因此选择高斯型的隶属函数，其解析式为:



a,b分别表示高斯函数的中心和宽度。高斯函数的定义域为(-∞，+∞)，取值范围为[0,1]。该函数在定义域内处处连续可微，适用于电压无功模糊控制系统的隶属函数。


4.根据权利要求1所述的一种基于模糊神经网络的电压无功优化控制方法，其特征在于，所述步骤2中选取模糊神经系统的解模糊方法具体按照以下实施：选择加权平均法作为变电站模糊神经系统的解模糊法，加权平均法是按以下公式选取输出x*值:



输出x*值为：





5.根据权利要求1所述的一种基于模糊神经网络的电压无功优化控制方法，其特征在于，所述步骤2中建立模糊神经网络的电压无功优化控制系统具体按照以下实施：建立模糊神经网络的电压无功优化控制系统，网络输入量为△U、△Q，输出量为△K、△QC，
△U：负荷侧的电压与系统反馈电压的差值；
△Q：变压器高压侧流入的无功量与系统反馈无功量的差值；
△K：为变压器有载调压开关的分接头位置量；
△QC：为补偿电容器投切组数。
各层的功能分析如下:输入用x表示，输出用y表示...

【专利技术属性】
技术研发人员：温宗周，张峪维，李丽敏，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61