基于反向传播神经网络的发电机进相能力建模研究

• 作者: 徐钢 王宏华 王成亮
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 反向传播神经网络 发电机进相 泛化
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 电力系统
• 页码范围: 136-140
• 分类号: TM31
• 字数: 3158字
• 语种: 中文

摘要

提出一种基于反向传播神经网络（back propagation neural network，BPNN）的发电机进相能力建模新方法。该BPNN含2个隐层和1个输出层，以发电机有功和无功功率为输入，以发电机功角、电网电压为输出。以典型工况下的发电机进相运行试验结果作为训练样本和测试样本，建立了某600Mw发电机进相能力BPNN模型，从收敛精度最优出发，优化设计了模型的隐层数、神经元数、传递函数。建模实例表明，提出的建模方法精度高、泛化能力强，能有效克服传统分析方法的局限性，有推广应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宏华	河海大学能源与电气学院	132	1300	18.0	28.0
2	徐钢		15	128	6.0	11.0
3	王成亮		43	257	8.0	15.0