基于神经网络预测的电弧炉供电系统动态无功混合补偿方法

• 作者: 刘浩 孙路 王育飞 薛花
• 来源期刊: 电力电容器与无功补偿
• 关键词: 电弧炉 电压波动 神经网络 粒子群算法 遗传算法 混合无功补偿
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 动态无功补偿装置
• 页码范围: 66-71
• 页数: 6页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2017.05.013

摘要

为提高电弧炉供电系统无功补偿准确性和实时性,对电弧炉供电系统动态无功补偿方法进行深入研究,提出PSO-GA优化的RBF神经网络预测方法,结合粒子群算法与遗传算法优点,自适应调整预测参数,解决RBF神经网络预测算法参数难以确定的问题.提出SVC和SVG混合补偿电弧炉动态无功功率拓扑结构,预测SVC三相不平衡等效电纳进行动态无差拍无功补偿,并设计了SVC与SVG的协同控制方法.仿真结果验证了基于神经网络预测的混合无功补偿方法的可行性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛花	上海电力学院电气工程学院	59	171	8.0	10.0
2	王育飞	上海电力学院电气工程学院	60	393	10.0	18.0
3	孙路	上海电力学院电气工程学院	3	8	1.0	2.0
4	刘浩		4	8	1.0	2.0