基于相关向量机的发电机进相能力建模

被引：11

作者：

翟学锋 ^{[1
]}

卫志农 ^{[2
]}

范立新 ^{[1
]}

徐钢 ^{[1
]}

王成亮 ^{[1
]}

刘亚南 ^{[1
]}

机构：

[1] 江苏方天电力技术有限公司

[2] 河海大学可再生能源发电技术教育部工程研究中心

来源：

电力自动化设备 | 2015年 / 35卷 / 03期

关键词：

发电机; 进相; 相关向量机; BP神经网络:RBF神经网络; 支持向量机; 建模;

D O I：

10.16081/j.issn.1006-6047.2015.03.023

中图分类号：

TM31 [发电机、大型发电机组（总论）];

学科分类号：

080801 ;

摘要：

发电机是一个多变量、强耦合的非线性系统,传统的分析方法难以建立精确的发电机进相能力分析模型。提出一种基于相关向量机(RVM)的发电机进相能力模型,以发电机有功功率和无功功率为输入、发电机的功角和电网电压为输出。以典型工况下发电机进相运行试验结果作为训练样本和测试样本,建立某600 MW发电机进相能力RVM模型,并讨论了核函数的选择对RVM模型收敛精度的影响。结果表明所建立的发电机进相RVM模型较之BP神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)模型,精度更高、泛化能力更强,能有效地克服传统方法的局限性,适用于发电机进相运行实时控制。

引用

页码：146 / 151

页数：6

共 18 条

[1] 代价敏感相关向量机的研究及其在变压器故障诊断中的应用 [J].