...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Electric power systems research >Tuning a static var compensator controller over a wide range of load models using an artificial neural network
【24h】

Tuning a static var compensator controller over a wide range of load models using an artificial neural network

机译：使用人工神经网络在各种负载模型上调整静态无功补偿器控制器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A novel approach using an artificial neural network (ANN) for tuning a static var compensator (SVC) controller over a wide range of load models is presented in this paper. To enhance power system damping over a wide range of load models, it is desirable to adapt the SVC controller gain in real time based on load models. To do this, online measurements of load parameters which are representative of load models are chosen as the input signals to the neural network. The output of the neural network is the desired gain of the SVC controller. The neural network, once trained by a set of input-output patterns in the training set, can yield a proper SVC controller gain under any load model. Simulation results show that the tuning gain of a SVC controller using the ANN approach can provide better damping of the power system over a wide range of load models than the fixed-gain controller.
机译：本文提出了一种使用人工神经网络（ANN）在各种负载模型上调整静态无功补偿器（SVC）控制器的新颖方法。为了在各种负载模型上增强电力系统的阻尼，需要根据负载模型实时调整SVC控制器增益。为此，选择代表负载模型的负载参数在线测量作为神经网络的输入信号。神经网络的输出是SVC控制器的期望增益。一旦由训练集中的一组输入-输出模式进行训练，神经网络就可以在任何负载模型下产生适当的SVC控制器增益。仿真结果表明，与固定增益控制器相比，使用ANN方法的SVC控制器的调谐增益可以在各种负载模型下为电力系统提供更好的阻尼。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号