Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Развитие методов адаптации нечетких АРВ для повышения динамической устойчивости сложных электроэнергетических систем

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

АРВ СД позволяют обеспечить высокие пределы динамической устойчивости и эффективное демпфирование больших колебаний в аварийных режимах. Однако возможности современных быстродействующих систем возбуждения не всегда используются в полной мере. Это связано с большими сложностями по выбору оптимальных настроек регуляторов. Их параметры определяются так, чтобы обеспечивать оптимальные показатели… Читать ещё >

Содержание

  • Глава 1. АНАЛИЗ ПРОБЛЕМ И НАПРАВЛЕНИЙ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ АРВ СИНХРОННЫХ МАШИН ДЛЯ ОБЕСПЕЧЕНИЯ УСТОЙЧИВОСТИ СЛОЖНЫХ ЭЭС
    • 1. 1. Традиционные АРВ и их возможности
    • 1. 2. Современные теории регулирования и оптимизации
    • 1. 3. Применение элементов искусственного интеллекта
      • 1. 3. 1. Применение экспертных систем
      • 1. 3. 2. Применение искусственных нейронных сетей
      • 1. 3. 3. АРВ, основанные на нечеткой логике
    • 1. 4. Методы искусственного интеллекта для адаптации нечеткого АРВ
    • 1. 5. Постановка задачи диссертации
  • Глава 2. ДВУХЭТАПНЫЙ ПОДХОД ДЛЯ АДАПТАЦИИ НЕЧЕТКИХ АРВ В СЛОЖНЫХ ЭЭС
    • 2. 1. Моделирование АРВ, основанного на нечёткой логике
      • 2. 1. 1. Принцип действия нечеткого регулятора
    • 2. Л .2 Зависимость характеристик регулятора от количества функций принадлежности
      • 2. 2. Основные положения двухэтапного подхода
        • 2. 2. 1. Общие сведения
        • 2. 2. 2. Классификация и выбор представительных расчетных ситуаций для анализа динамической устойчивости при помощи сети Кохонена
      • 2. 3. Развитие методов настройки нечетких АРВ с использованием генетического алгоритма
        • 2. 3. 1. Общие сведения
        • 2. 3. 2. Настройка таблицы правил и масштабирующих коэффициентов
        • 2. 3. 3. Настройка функций принадлежности
        • 2. 3. 4. Целевая функция
        • 2. 3. 5. Характеристики ГА
        • 2. 3. 6. Начальные исследования на простейшей схеме
      • 2. 4. Применение искусственных нейронных сетей для адаптации нечетких АРВ в реальном времени
      • 2. 5. Исследования эффективности адаптивного АРВ HJI на примере трехмашинной схемы ЭЭС
        • 2. 5. 1. Исследование в номинальном режиме
        • 2. 5. 2. Исследование робастности
        • 2. 5. 3. Исследование робастности адаптивных регуляторов
  • Глава 3. ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ РАСЧЕТОВ ДИНАМИЧЕСКОЙ УСТОЙЧИВОСТИ СЛОЖНЫХ ЭЭС С УЧЕТОМ НЕЧЕТКИХ АРВ
    • 3. 1. Общие сведения. уд
    • 3. 2. Блок расчета переходных процессов. g
    • 3. 3. Блок нечеткой логики. g
    • 3. 4. Модуль генетической оптимизации. gg
    • 3. 5. Модуль классификации ситуаций. on
  • Глава 4. ИССЛЕДОВАНИЕ ДВУХЭТАПНОГО ПОДХОДА ДЛЯ
  • АДАПТАЦИИ НЕЧЕТКИХ АРВ В СЛОЖНЫХ ЭЭС
    • 4. 1. Общие сведения
    • 4. 2. Пятимашинная тестовая схема
      • 4. 2. 1. Исследование в базовом режиме
      • 4. 2. 2. Исследование робастности регуляторов. jq
      • 4. 2. 3. Исследование обобщающих свойств ИНС. Ю
    • 4. 3. Схема «ИркутскЭнерго».1П

Развитие методов адаптации нечетких АРВ для повышения динамической устойчивости сложных электроэнергетических систем (реферат, курсовая, диплом, контрольная)

Актуальность работы. Процессы по образованию крупных энергообъединений, начавшиеся в 30−40-е годы двадцатого столетия, при которых электростанции, географически находящиеся на расстоянии в тысячи километров, включены на параллельную работу, привели к появлению новой проблемы — проблемы динамической устойчивости электроэнергетической системы (ЭЭС). Возникновение сильных возмущений часто приводило к потере синхронизма и нарушению целостности ЭЭС. Это было обусловлено слабостью и загруженностью линий электропередачи (ЛЭП) и отсутствием качественных систем автоматического регулирования.

Много научных работ и исследований было проведено в нашей стране с целью изучения физики процесса и нахождения способов по улучшению устойчивости ЭЭС. Исследования, начатые в 1930;е годы, были прерваны Великой отечественной войной и продолжились в 1950;е годы. Основу теории устойчивости ЭЭС заложили такие крупные отечественные ученые, как А. А. Горев, П. С. Жданов и С. А. Лебедев [1−3].

Было показано, что одним из наиболее простых и эффективных средств для повышения динамической устойчивости ЭЭС является применение автоматических регуляторов возбуждения генераторов (АРВ). Появление на первоначальном этапе автоматических регуляторов возбуждения пропорционального действия (АРВ ПД) и в дальнейшем автоматических регуляторов возбуждения сильного действия (АРВ СД) позволило снизить остроту проблемы.

Первый опыт применения АРВ ПД был получен уже в 1940 г. Оснащение генераторов и синхронных компенсаторов устройствами АРВ позволило использовать кратковременные перегрузочные способности генераторов, что дало возможность улучшить устойчивость и надежность ЭЭС. Тогда же впервые была использована релейная форсировка (РФ) возбуждения. Это простейшее устройство, быстро получившее повсеместное распространение, позволило существенно повысить устойчивость и используется до сегодняшнего времени.

Первый АРВ СД был установлен на гидрогенераторах Волжской ГЭС им. Ленина в конце 1950;х. Разработки, выполненные у нас в стране, были пионерскими и существенно опередили аналогичные исследования, проводившиеся на Западе.

Много известных ученых внесли свой вклад в развитие теории автоматического регулирования возбуждения. Среди них такие ученые, как М. М. Ботвинник, В. А. Веников, Г. Р. Герценберг, И. А. Глебов, И. А. Груздев, А. С. Зеккель, M.JI. Левинштейн, И. В. Литкенс, С. В. Смоловик, С. А. Совалов, Н. И. Соколов, В. А. Строев, Л. В. Цукерник, О. В. Щербачев А.А. Юрганов и др. Ими были опубликованы ряд статей, учебников и монографий, включивших в себя все существующие наработки [1−9 и др.].

На данный момент, в связи с либерализацией электроэнергетики, в мире наметилась тенденция рассматривать электрическую сеть как «шоссе» для передачи электрической энергии из любого места, где есть ее избыток, в любое другое место, где имеется ее недостаток. Поэтому важность повышения динамической устойчивости становится еще более актуальной.

АРВ СД позволяют обеспечить высокие пределы динамической устойчивости и эффективное демпфирование больших колебаний в аварийных режимах. Однако возможности современных быстродействующих систем возбуждения не всегда используются в полной мере. Это связано с большими сложностями по выбору оптимальных настроек регуляторов. Их параметры определяются так, чтобы обеспечивать оптимальные показатели в каких-то определённых режимах. ЭЭС, в общем, нелинейна и рабочие условия могут варьироваться в широких пределах. К тому же, конфигурация системы со временем изменяется. Таким образом, параметры регулятора должны быть заново перенастроены так, чтобы они могли продолжать обеспечивать желаемые показатели.

В последние годы для улучшения характеристик АРВ был предложен ряд новых подходов, в частности, самонастраивающиеся регуляторы [10], адаптивные регуляторы [11−12], регуляторы на основе искусственных нейронных сетей (ИНС) [13], регуляторы с базой правил [14], регуляторы на основе нечеткой логики [15−17]. АРВ на основе нечеткой логики (АРВ HJ1) имеют хорошие перспективы благодаря низким требованиям к вычислительным ресурсам, простой структуре и устойчивости к изменениям исходных параметров (робастности).

АРВ НЛ имеет и ряд недостатков. Существуют трудности по сбору человеческих знаний и их представлению в требуемом виде для формирования нечетких правил, а, также, с выбором оптимальных настроек регулятора, которые обычно выбираются опытным путем. Предложено несколько путей преодоления данных проблем, такие, как создание адаптивных нечетких регуляторов [17−19], совмещение нечеткого регулятора с обучающимися ИНС [20−22], применение генетических алгоритмов (ГА) для настройки параметров регулятора [23−25].

Таким образом, несмотря на большой объем публикаций, вопросы создания, настройки и применения нечетких регуляторов, особенно в сложных ЭЭС, до сих пор являются недостаточно проработанными и требующими дальнейших исследований.

Целью работы является разработка и апробация методики оптимальной настройки и адаптации АРВ НЛ по каналам стабилизации для повышения динамической устойчивости сложных ЭЭС.

Основная идея предлагаемой методики заключается в применении ГА для поиска оптимальных настроек АРВ НЛ, а также, в применении ИНС для адаптации параметров АРВ НЛ к изменению режима ЭЭС. При этом адаптация АРВ НЛ разбивается на два этапа: первый — автономный, в котором производится предварительное обучение регулятора, и второйнепосредственная адаптация в режиме реального времени.

Методика проведения исследования. Методы математического моделирования электромеханических переходных процессов и исследования динамической устойчивости ЭЭС, методы моделирования ИНС и регуляторов, основанных на нечеткой логике, метод ГА оптимизации. Научная новизна работы заключается в следующем:

1. Разработана новая методика двухэтапного конструирования адаптивных АРВ, основанных на нечеткой логике, при этом на первом этапе производится оптимизация параметров АРВ HJI для расчетных условий и обучение регулятора, на втором — его адаптация в реальном времени.

2. Предложен новый метод настройки АРВ HJI, основывающийся на ГА, позволяющий получить оптимальные параметры АРВ HJI (параметры функций принадлежности, значения таблицы правил и величины масштабирующих коэффициентов) и исключающий получение так называемых беспорядочно сформированных функций принадлежности и значений таблиц правил.

3. Предложен новый метод классификации расчетных возмущений, основанный на применении самоорганизующихся ИНС.

4. Разработан (в соавторстве) программно-вычислительный комплекс (ПВК) анализа динамической устойчивости «ПАУ-Windows», включающий в себя помимо классических моделей элементов ЭЭС модели АРВ HJ1, блок ГА оптимизации, блок классификации возмущений.

Практическая ценность работы состоит в разработке и исследовании нового двухэтапного подхода к конструированию адаптивных АРВ HJI. Адаптация производится по каналам стабилизации АРВ. Ряд методик, предлагаемых в диссертационной работе, могут применяться самостоятельно для широкого круга задач, таких, например, как применение самоорганизующихся ИНС для классификации возмущений, применение ГА для поиска оптимальных настроек различных видов регуляторов. Кроме того, ПВК «ПАУ-Windows» используется в настоящий момент в ИСЭМ СО РАН и в расчетной группе режимов «Иркутскэнерго» при анализе динамических свойств ЭЭС.

Апробация результатов работы. Основные положения работы обсуждались на конференциях научной молодежи ИСЭМ СО РАН (Иркутск, 1999, 2000, 2002гг.), на всероссийских и международных семинарах и конференциях: «Liberalization and Modernization of Power Systems» (Иркутск, 2000), «IEEE Intelligent System Application to Power Systems — ISAP'2001» (Будапешт, Венгрия, 2001), «International Conference on Electrical Engineering — ICEE'2001» (Xi'an, Китай, 2001), «International Conference on Modern Electric Power Systems — MEPS'02» (Вроцлав, Польша, 2002), «International Conference on Power System Technology — POWERCON'2002» (Kunming, Китай, 2002), «Повышение эффективности производства и использования энергии в условиях Сибири» (Иркутск, 2002), а, также, на научных семинарах кафедры ЭССиС ИрГТУ и лаборатории устойчивости, надежности и качества в электроэнергетических системах ИСЭМ СО РАН.

По результатам выполненных исследований опубликовано девять печатных работ [26−34].

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и четырех приложений. Общий объем диссертации — 156 страницы, в том числе: рисунков — 78, таблиц — 37, библиографический список из 110 наименований — 12 страниц, приложения -16 страниц.

Основные результаты исследований автора по рассматриваемым в диссертации вопросам нашли отражение в следующих публикациях [26−34]. Практическая реализация этих вопросов осуществлена в разработанных автором и при его участии программных блоков программно-вычислительного комплекса «ПАУ-Windows» .

Заключение

.

В диссертационной работе рассматривается применение регуляторов возбуждения, основывающихся на нечеткой логике, для повышения пределов динамической устойчивости и улучшения качества демпфирования больших колебаний в сложных ЭЭС вызванных сильными аварийными возмущениями. Данное направление исследований является одним из наиболее перспективных в области интеллектуального управления. В рамках развития данной задачи разработана и апробирована методика создания адаптивного АРВ HJ1. В основу методики положена идея разбиения адаптации регулятора на два этапа: первый — автономный (off-line) в котором происходит обучение регулятора и второй — в режиме реального времени (online) в котором на базе предварительного обучения непосредственно осуществляется адаптация регулятора к изменению параметров режима ЭЭС.

Основные теоретические и прикладные результаты работы следующие: 1. Разработан способ оптимальной настройки АРВ HJ1, основанный на применении метода генетических алгоритмов, являющихся современным и одним из наиболее мощных методов эвристического поиска.

— Рассмотрены различные варианты оптимальной настройки АРВ НЛ.

— Предложена новая методика получения функций принадлежности и таблицы правил АРВ НЛ заключающаяся в наложении ряда ограничений на работу ГА.

— Рассмотрен вопрос выбора параметров ГА (размера популяции, количества генерируемых поколений и т. д.).

— Предложена процедура проверки популяции на «близнецов» и механизм динамически изменяющейся величины вероятности мутации на каждом поколении в зависимости от успешности работы ГА. Данные меры позволили увеличить скорость работы ГА.

2. Разработан метод применения искусственных нейронных сетей для адаптации параметров нечетких регуляторов к изменению параметров режима ЭЭС.

— Исследованы возможности адаптивных АРВ HJ1 обеспечивать высокое качество регулирования в многообразии схемно-режимных ситуаций, возможных в сложных ЭЭС.

— Рассмотрены вопросы выбора структуры ИНС, количества нейронов и количества скрытых слоев.

— Исследована способность к обобщению ИНС прямого распространения применительно к задаче адаптации АРВ HJI в реальном времени.

3. Разработан способ классификации возмущений по степени похожести реакции на них системы, основанный на применении самоорганизующихся ИНС.

4. Рассмотрены вопросы выбора структуры АРВ HJI, а, именно, вопросы выбора входных сигналов управления, количества и вида функций принадлежности, количества нечетких правил.

5. Разработана модель АРВ HJT, на основании которой был реализован специальный программный модуль, позволяющий проводить исследования динамической устойчивости с учетом действия нечетких АРВ. В модуле имеется возможность гибко настраивать любые параметры АРВ HJI как вручную, так и с помощью подключаемых блоков оптимизации.

6. Разработан (в соавторстве) программно-вычислительный комплекс ПАУ-Windows, позволяющий моделировать электромеханические переходные процессы в ЭЭС любой сложности с учетом действия различных систем автоматического регулирования и противоаварийной автоматики. Открытая архитектура и использование объектно-ориентированной структуры допускает легкое расширение набора моделей различных устройств, в том числе и перспективных.

Эффективность АРВ HJI в качестве средства, повышающего пределы динамической устойчивости, и предложенного двухэтапного метода его настройки была исследована на четырех различных моделях ЭЭС, от простейшего случая модель «станция-шины бесконечной мощности» до модели действующей ЭЭС «Иркутскэнерго». Проведенные в диссертационной работе исследования показали следующее:

1. Применение адаптивных АРВ HJI является эффективным средством повышения динамической устойчивости сложной ЭЭС. Большое количество сравнительных расчетов для различных видов возмущений, выполненных на схемах ЭЭС различной сложности, показало, что АРВ HJI позволяет эффективнее по сравнению с АРВ СД предотвращать нарушение динамической устойчивости и демпфировать сильные колебания в различных режимах ЭЭС.

2. Предложенная методика настройки АРВ HJI с помощью ГА позволяет существенно улучшить его характеристики. Проведенные расчеты показали, что генетически оптимизированные АРВ HJI, обеспечивают более высокое качество регулирования по сравнению с регуляторами, настройки которых были выбраны экспертным путем. Однако при применении предложенной методики не в комплексе с адаптацией, существует опасность ухудшения характеристик регулятора в случае значительных изменений режима ЭЭС, а, следовательно, ухудшения его робастности.

3. Применение предварительно обученной ИНС для адаптации параметров АРВ HJI в режиме реального времени позволяет поддерживать высокую эффективность во всем многообразии схемнорежимных ситуаций, возможных в ЭЭС. Данный вывод подтверждается проведенными исследованиями робастности различных типов регуляторов.

4. Использование самоорганизующейся ИНС Кохонена позволяет классифицировать расчетные ситуации по кластерам, что дает возможность корректно выбрать набор ситуаций, используемых при настройке параметров АРВ HJI. Кроме того, использование кластеризации расчетных ситуаций позволяет сократить временные трудозатраты при анализе динамической устойчивости за счет исключения из расчетов всех ситуаций со сходными реакциями на них системы, кроме одного представителя каждого кластера.

Показать весь текст

Список литературы

  1. А.А. Переходные процессы синхронных машин.-J1.: Наука, 1985. -502с.
  2. П.С. Вопросы устойчивости электрических систем.-М.: Энергия, 1979. -455с.
  3. С.А. Анализ искусственной устойчивости генераторов // Электричество.-193 8.-№ 4.
  4. В.А., Герценберг Г. Р., Совалов С. А. и др. Сильное регулирование возбуждения -М.- Л.: Госэнергоиздат, 1963.-152с.
  5. А.А., Кожевников В. А. Регулирование возбуждения синхронных генераторов-СПб.: Наука, 1996.-138с.
  6. В.А. Переходные электромеханические процессы в энергетически системах. М.: Высшая школа, 1978. — 410 с.
  7. В.А., Зуев Э. Н., Портной М. Г. и др. Электрические системы: Управление переходными режимами электроэнергетических систем. Учебник под ред. В. А. Веникова.-М.: Высшая школа, 1982.-247с.
  8. Г. Р. Автоматический регулятор возбуждения для гидрогенераторов с ионной системой возбуждения Волжской ГЭС им. В.И. Ленина//Вестн. Электропромышленности.-1961.-№ 6.-С.11−16.
  9. И.А. Системы возбуждения мощных синхронных машин. Л.: Наука, 1979.-312 с.
  10. Яе Fangpo, Gibbard M. J. Design of an Adaptive Bilinear Power System Stabilizer // Automatica.-Vol.33 No.4.-1997.-P.663−668.
  11. Zhang Y., Malik O.P., Chen G.P. Artificial neural network power system stabilizers in multi-machine power system environment // IEEE Transactions on Energy Conversion.-1995.-Vol.10.-No. 1-P.147−153.
  12. М.Беляев А. Н., Смоловик С. В. Проектирование адаптивных автоматических регуляторов возбуждения с помощью нейронечеткого моделирования // Электричество.-2002.-№ 3.-С.2−9.
  13. Dash Р.К., Liew А.С., Mishra В. R. An adaptive PID stabilizer for power systems using fuzzy logic // Electric Power Systems Research.-Vol.44.-No.3.-l 998.-P.213−222.
  14. Mrad F., Karaki S., Copti B. An adaptive fuzzy-synchronous machine stabilizer // IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews.-Vol.30.-No.l.-2000.-P. 131−137.
  15. Hosseinzadeh N., Kalam A. A rule-based fuzzy power system stabilizer tuned by a neural network // IEEE Transactions on Energy Conversion-Vol.l4.-No.3.-1999-P.773 -779
  16. Hariri A., Malik O.P. A fuzzy logic based power system stabilizer with learning ability // IEEE Transactions on Energy Conversion-Vol.11-No.4.-1996.-P.721−727.
  17. Wen J., Cheng S., Malik O.P. A synchronous generator fuzzy excitation controller optimally designed with a genetic algorithm // IEEE Transaction on Power Systems.-1998.-Vol.13.-No.3-P.884−889.
  18. Abido, M.A.- Abdel-Magid, Y.L. Tuning of a fuzzy logic power system stabilizer using genetic algorithms // IEEE International Conference on Evolutionary Computation, 1997.-1997.-P.595−599
  19. П.В. Автоматический регулятор возбуждения на основе нечеткой логики // Системные исследования в энергетике: Труды молодых ученых ИСЭМ СО РАН, Вып. 29 Иркутск: ИСЭМ СО РАН, 1999 — С.82−90.
  20. Voropai N.I., Etingov P. V. Two-Stage Adaptive Fuzzy PSS Application to Power Systems // Proc. of International Conference on Electrical Engineering ICEE'2001, July 22−26, Xi’an, China. -Vol. 1.-2001.-P.314−318.
  21. Power system control and stability / Paul M. Anderson, A.A. Fouad IEEE Press.-1994.-P.463
  22. Hauer J. F. Robust damping control for large power systems // IEEE Control Systems Magazine.-Vol. 9-No. 1 1989.-P.12−18.
  23. AA.Bhattacharya K., Nanda J., Kothari M.L. Optimization and performance analysis of conventional power system stabilizers // International Journal of Electrical Power and Energy Systems.-Vol.l9.-No.7.-1997.-P. 449−458.
  24. АЪ.Zhang. P., Coonick A.H. Coordinated synthesis of PSS parameters in multi-machine power systems using the method of inequalities applied to genetic algorithms // IEEE Transactions on Power Systems.-Vol.15 -No.2.-2000-P. 811−816.
  25. A6.Abido M.A. Robust design of multimachine power system stabilizers using simulated annealing IEEE Transactions on Energy Conversion.-Vol. 15-No.3.-2000.-P. 297−304.
  26. M.Abido М.А. A novel approach to conventional power system stabilizer design using tabu search // International Journal of Electrical Power & Energy Systems-Vol.21.-No.6 1999.-P.443−454.
  27. Lubosny Z. Genetic optimization of multi-machine power system control elements // Proc. of EPSOM'98, Zurich, September 23−25.- 1998, — P.28−1-28−6.
  28. Salomon R. Evolutionary Algorithms and Gradient Search: Similarities and Differences // IEEE Transactions on Evolutionary Computation.-Vol. 2-No. 2.- 1998.-P.45−55.
  29. Rich E" Knight K. Artificial Intelligence.-McGraw Hill Inc.-1991.
  30. В.П. Вопросы применения искусственного интеллекта в электроэнергетических системах // Электричество.-1988.-№ 12.-С.1−9.
  31. Madan S., Bollinger К.Е. Applications of artificial intelligence in power systems // Electric Power Systems Research.-Vol.4.-No.2.-1997.-P.117−131
  32. P.B., Смоловик C.B., Алъ-Русан Хасан. Модель регулятора возбуждения сильного действия с использованием нечеткой логики // Электротехника и электроэнергетика: Сб. науч. тр. СПбГТУ № 460-СП6.-1996 С. 171−179
  33. Sharaf A.M., Lie Т.Т. A hybrid neuro-fuzzy power system stabilizer // Proc. of IEEE International Conference on Neural Networks.-l994.-Vol.3.-P.1760 -1765
  34. Zhang Z.Z., Hope G.S., Malik O.P. Expert systems in electric power systems a bibliographical survey // IEEE Transactions on Power Systems — Vol.4-No.4 — 1989.-P.1355 -1362
  35. Akimoto Y., TanakaH., Yoshizawa J., e. a Transient stability expert system // IEEE Transactions on Power Systems.-Vol.4.-No.l.-1989.-P.312 -320
  36. Wehenkel L., Van Cutsem Т., Ribbens-Pavella M. An artificial intelligence framework for online transient stability assessment of power systems //
  37. EE Transactions on Power Systems.-Vol.4 No.2.-May 1989.-P.789 -80 058 .Hiyama T. Rule-based stabilizer for multi-machine power system // IEEE Transactions on Power Systems.-1990.-Vol. 5-No. 2 P.403−409.
  38. Wang H.F., Swift F.J., Hogg, B.W., e.a. Rule-based variable-gain power system stabiliser // IEE Proceedings Generation, Transmission and Distribution.-Vol.142.-No. 1 .-1995 .-P.29−32.
  39. Kothari D.P. Application of neural networks to power systems // Proceedings of IEEE International Conference on Industrial Technology 2000-Vol. 1 .-2000.-P.621−626.
  40. Hippert H.S., Pedreira C.E., Souza, R.C. Neural networks for short-term load forecasting: a review and evaluation // IEEE Transactions on Power Systems.-Vol. 16,-No. 1 -February 2001 -P.44−55.
  41. Krishna S., Padiyar K.R. Transient stability assessment using artificial neural networks // Proceedings of IEEE International Conference on Industrial Technology 2000.-Vol.l.-2000.-P.627−632.
  42. Venayagamoorthy G.K., Harley R. G., Wunsch D. C. Adaptive neural network identifiers for effective control of turbogenerators in a multimachine powersystem I I IEEE Power Engineering Society Winter Meeting, 2001.- Vol.3.-2001.-P. 1293−1298.
  43. Yuan-Yin Hsu, Chao-Rong Chen Tuning of power system stabilizers using an artificial neural network // IEEE Transactions on Energy Conversion-Vol.6.-No.4.- 1991.-P.612−619.
  44. Hsu Y.Y., Cheng C.H. Design of fuzzy power system stabilizers for multi-machine power systems // IEE Proceedings-Generation, Transmission and Distribution, part C.-Vol.l37.-No.3.-1990.-P.233−238.
  45. Hassan M.A.M., Malik O.P., Hope G.S. A fuzzy logic based stabilizer for a synchronous machine // IEEE Transactions on Energy Conversion.-Vol.6-No.3,-1991.-P.407−413.
  46. Hassan M.A.M., Malik O.P. Implementation and laboratory test results for a fuzzy logic based self-tuned power system stabilizer 11 IEEE Transactions on Energy Conversion.-Vol.8.-No.2.-1993.-P.221−228.
  47. Hiyama Т., OnikS., Nagashima H. Experimental studies on micro-computer based fuzzy logic power system stabilizer // Proceedings of the Second International Forum on Applications of Neural Networks to Power Systems. ANNPS'93.-1993.-P.212−217.
  48. Afzalian A., Linkens D. A. Training of neurofuzzy power system stabilisers using genetic algorithms // International Journal of Electrical Power & Energy Systems.-Vol.22.-No.2.-2000.-P.93−102.
  49. Farag W.A., Quintana V.H., Lambert-Torres G. A genetic-based neuro-fuzzy approach for modeling and control of dynamical systems // IEEE Transactions on Neural Networks.-Vol.9.-No.5.-1998.-P.756−767.
  50. B.M. Генетические алгоритмы. Состояние. Проблемы. Перспективы // Известия РАН. Теория и Системы Управления-1999-№ 1.-С. 144−160.
  51. Youssef Н., Sait M.S., Adiche Н. Evolutionary algorithms, simulated annealing and tabu search: a comparative study // Engineering Applications of Artificial Intelligence.-Vol. 14.-No.2−2001 -P. 167−181.
  52. Visioli A. Fuzzy logic based set-point weight tuning of PID controllers // IEEE Transactions on Systems, Man and Cybernetics, Part A.-Vol.29-No.6.-1999.-P.587−592.
  53. Arsene C.T.C., Zalzala A.M.S. Control of autonomous robots using fuzzy logic controllers tuned by genetic algorithms // Proceedings of the Congress on Evolutionary Computation, CEC'99.-Vol.l.-1999.-P.428−435.
  54. Arslan A., Kaya M. Determination of fuzzy logic membership functions using genetic algorithms // Fuzzy Sets and Systems.-Vol.ll8.-No.2.-2001 -P.297−306 .
  55. Hiyama Т. Application of neural network to real time tuning of fuzzy logic PSS // Proceedings of the Second International Forum on Applications of Neural Networks to Power Systems, ANNPS'93.-1993.-P.42126.
  56. Hiyama Т., Tsutsumi Y. Neural network based adaptive fuzzy logic excitation controller // Proceedings of the International Conference on Power System Technology, PowerCon, 2000.-Vol.l.-2000.-P.235−240
  57. JIoxuh B.M., Макаров И. М., Манъко C.B. и др. Методические основы аналитического конструирования регуляторов нечеткого управления // Известия академии наук. Теория и системы управления.-2000.-№ 1-С.56−69
  58. Mamdani Е.Н. Applications of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Transactions on Computers-1977-Vol.26.-No.l2.-P.l 182−1191.
  59. Sugeno M. Industrial applications of fuzzy control // Elsevier Science Pub. Co-1985.
  60. Fuzzy Logic Toolbox User’s Guide // Math Works, Inc.-1998.
  61. O.H., Воропай Н. И., Гамм А. З. и др. Анализ неоднородностей электроэнергетических систем. — Новосибирск: Наука. Сибирская издательская фирма РАН, 1999. — 256 с.
  62. Н.А., Воропай Н. И., Заславская Т. Е. Структурный анализ электроэнергетических систем (в задачах моделирования и синтеза). Новосибирск: Наука. Сиб. отд-ение, 1990. — 224 с.
  63. Kohonen Т. Self-Organization and Associative Memory, 2nd Edition-Berlin: Springer-Verlag.-1987.
  64. Neural Network Toolbox User’s Guide // Math Works, Inc.-1999.
  65. Hariri A., Malik O.P. Fuzzy Logic Power System Stabilizer based on genetically optimized adaptive network // Fuzzy Sets and Systems-1999-Vol.l02.-P.31−40
  66. Power World 6.0, Users manual, PowerWorld Corp.-2000.-2004 South Wright Street, Urbana, IL 61 801−9503.-www.powerworld.com.
  67. Holland J. H. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence, London: Bradford book edition. 1994. — p.211.
  68. Goldberg D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA: Addison-Wesley. — 1989.
Заполнить форму текущей работой