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

被引：6

作者：

王育飞 ^{[1
]}

孙路 ^{[1
]}

刘浩 ^{[2
]}

薛花 ^{[1
]}

机构：

[1] 上海电力学院电气工程学院

[2] 国网阜阳供电公司

来源：

电力电容器与无功补偿 | 2017年 / 38卷 / 05期

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;

D O I：

10.14044/j.1674-1757.pcrpc.2017.05.013

中图分类号：

TM714.3 [系统中能量损失的降低及无功功率的补偿];

学科分类号：

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。

引用

页码：66 / 71

页数：6

共 17 条

[1] 一种改进型粒子群优化算法在电力系统经济负荷分配中的应用 [J].