基于反向传播神经网络的发电机进相能力建模研究
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。
反向传播神经网络、发电机进相、泛化
35
TM31(电机)
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
136-140