摘要：提出一种基于广域测量系统的多馈入高压直流(HVDC)模糊自适应协调阻尼控制器。该控制器在传统的单输入单输出控制结构基础上增加了一个模糊逻辑单元,自适应地在线调整系统的移相角。同时,增益K与模糊逻辑单元联调,以保证移相环节参数改变后整个控制通道的增益保持不变。利用Prony辨识算法和极点配置法对该阻尼控制器的固定参数进行了整定,并对整定后的参数进行了协调优化。以中国南方电网2007年网络结构为对象,给出了该模糊自适应协调阻尼控制器的设计过程及仿真结果。结果表明:该阻尼控制器能快速、有效地阻尼区域间振荡,提高交流联络线的传输能力,对不同的网络结构具有鲁棒性,可明显改善多馈入HVDC系统的稳定性。

摘要：电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。

摘要：电力系统中长期负荷预测受大量不确定因素的影响，聚类方法能够将各种影响因素综合引入预测模型，提高了预测精度。本文采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较，结果表明，该方法可以提高负荷预测的精度。