改進的神經網絡逆軟測量方法在電力系統(tǒng)控制中的應用.pdf

1、逆系統(tǒng)方法作為一種有效的非線性控制方法以其物理意義清晰、結構簡單、易于實現(xiàn)等優(yōu)點在很多領域得到了應用，但它在具體實際中通常會遇到需要反饋一些不直接可測變量的問題，這成為逆系統(tǒng)方法應用于具體控制問題的一大障礙。為此，本文針對逆系統(tǒng)控制中出現(xiàn)的不直接可測變量反饋問題，通過對神經網絡軟測量理論的改進，將其與逆系統(tǒng)方法相結合，給出了逆系統(tǒng)控制中避免不直接可測變量反饋問題的方法，并將這種方法運用到電力系統(tǒng)的控制中去。在國家自然科學基金的資助下，本

2、文取得的研究成果如下： (1)對本課題組原有的神經網絡軟測量方法作了改進，在改進的算法中，拓展了構造“內含傳感器”依據的直接可測變量的范圍，使之拓展為一組過程變量的函數(shù)，并按此拓展方法給出了構造“內含傳感器”子系統(tǒng)的具體算法，同時給出了具體算例。對原來算法所做的改進可以使該方法適用范圍得以拓寬，增加了“內含傳感器”構造成功的可能性。 (2)為避免原有算法中易引入直接可測變量高階導數(shù)的問題，對基于“內含傳感器”逆的

3、軟測量算法步驟進行了改進。按照這種方法得到的新算法與原算法相比，構造的“內含傳感器”較少引入直接可測變量的高階導數(shù)，從而使得基于“內含傳感器”逆的軟測量方法在實際工程中易于實現(xiàn)。 (3)為解決神經網絡軟測量方法中訓練神經網絡所需樣本難以獲取的問題，給出了一種有效的解決辦法：結合逆系統(tǒng)控制方法，將理論上存在的函數(shù)關系式代入逆系統(tǒng)表達式，得到一個非線性控制律，再用神經網絡逼近該復合非線性控制律，此時訓練神經網絡所需的樣本均為直接