CN109446720A - 一种大容量调相机自并励励磁系统参数辨识方法 - Google Patents
一种大容量调相机自并励励磁系统参数辨识方法 Download PDFInfo
- Publication number
- CN109446720A CN109446720A CN201811363194.6A CN201811363194A CN109446720A CN 109446720 A CN109446720 A CN 109446720A CN 201811363194 A CN201811363194 A CN 201811363194A CN 109446720 A CN109446720 A CN 109446720A
- Authority
- CN
- China
- Prior art keywords
- excitation system
- parameter
- time
- identification
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种大容量调相机自并励励磁系统参数辨识方法,属于电力系统建模与控制的技术领域。该方法通过计算待辨识参数的时域灵敏度,进而得到自并励励磁系统各单元输出的权重;将各单元输出的权重引入到一种具有抗差能力的目标函数中,通过交叉概率pc和变异概率pm可自适应调节的改进遗传算法实现自并励励磁系统参数的精确辨识。本发明通过参数的时域灵敏度计算以得到单元输出权重,加快了算法的收敛速度,通过确定一种具有抗差能力的目标函数,有效地减少了坏数据对辨识结果的影响,提高了辨识结果的精度。在参数寻优过程中采用的遗传算法,引入了自适应调节的交叉概率pc和变异概率pm,防止解集陷入局部最优,解决了传统遗传算法早熟的问题。
Description
技术领域
本发明属于电力系统建模与控制的技术领域,具体涉及一种大容量调相机自并励励磁系统参数辨识方法。
背景技术
励磁系统是调相机最重要的控制系统,调相机励磁系统对调相机的电压控制具有重要作用,尤其是对故障状态下的调相机的暂态特性影响更大。
一个精确的调相机励磁系统模型不但要考虑励磁系统各个元件的特性,如自动电压调节器(AVR)、励磁机、电压/电流变换器等,还应该能反映它们之间的线性的或非线性的相互作用。为满足新型大容量调相机快速无功调节的要求,励磁系统需提高硬件性能及控制响应速度,加大励磁电压及励磁电流承受能力。
因此,建立准确的调相机励磁系统动态数学模型和系统动态参数的准确测量是电力系统稳定安全计算问题的关键之一。
发明内容
本发明的目的是针对新一代大容量调相机的自并励励磁系统,为了确定其适用于电力系统分析的模型和参数,提供了一种大容量调相机自并励励磁系统参数辨识方法,方法通过计算待辨识参数的灵敏度来求得各输出单元的权重,将各单元输出的权重引入到一种具有抗差能力的目标函数中,通过交叉概率pc和变异概率pm可自适应调节的改进遗传算法实现自并励励磁系统参数的精确辨识。
为解决上述技术问题,本发明采用如下技术方案:
本发明的一种大容量调相机自并励励磁系统参数辨识方法,包括如下步骤:
步骤A、建立大容量调相机自并励励磁系统仿真模型,确定待辨识参数:大容量调相机自并励励磁系统包括:发电机电压测量和无功电流补偿单元、串联校正单元、功率放大单元和低励、过励环节;
需要辨识的参数向量为
步骤B、建立大容量调相机自并励励磁系统参数辨识目标函数。一种具有抗差能力的目标函数的形式如下:
其中N为采样点的个数,M为输出环节的个数,yj(i)=[VR(i),VPID(i),VA(i)]是自并励励磁系统相关环节的输出,是辨识系统相关环节的输出,wj是基于时域灵敏度分析而得的各环节输出的权重。
步骤C、通过自并励励磁系统的仿真得到系统输出对各参数的灵敏度,以计算各环节输出权重的大小。
步骤D、利用改进遗传算法进行自并励励磁系统的参数辨识。
步骤E、利用辨识参数仿真励磁系统10%阶跃响应,观察辨识系统的动态性能,包括:延迟时间td,峰值时间tP、上升时间tr、调节时间ts、超调量MP(%)。
进一步的,步骤B中,时域灵敏度的定义描述为:输出量的变化量与参数变化量的比值,用来体现该变量对于输出量的影响程度,计算公式如下:
其中,θi为待计算灵敏度的参数。
进一步的,步骤C中,各环节的输出权重反映了其所在环节在目标函数中对参数辨识的贡献度。系统输出是待辨参数的函数,当辨识的参数偏离真实值时,实际系统的不同环节输出与辨识系统的对应环节输出间的偏差可能不一致,各环节实际系统与辨识系统间的偏差反映了系统输出对参数变化的敏感度。如果在同一参数偏差下,环节输出偏差越大,则该环节越能反映参数的变化情况,携带的参数信息也就越多,更能测量辨识参数与实际参数的偏离程度,在目标函数中能起到更大作用,应赋予更大的权重。
步骤C的实现过程为:
各输出环节权重的计算过程如下:
步骤C1、在实验室环境下模拟大容量调相机自并励励磁系统,设定一组参数真值θ*,得到各单元的真实输出
步骤C2、在参数真值θ*的基础上,设置微小的参数偏移量Δθ,仿真得到系统输出m为第i个环节待辨识的参数的个数。
步骤C3、计算第i个环节的权重,
步骤C4、权重归一化,
进一步的,步骤D的实现过程为:
步骤D1、种群的编码采用十进制,其优点是处理函数优化问题更有效;
步骤D2、种群的初始化:初始种群的生成采用小区间生成法,将待辨识参数的取值范围分成若干个小区间,在每个小区间内随机地生成1个个体,保证初始种群在解空间内均匀分布;
步骤D3、为了减小坏数据的影响,确定一种具有抗差能力的目标函数,该目标函数的形式如下:
步骤D4、采用轮盘赌方式进行父代个体的选择;
步骤D5、交叉概率pc和变异概率pm采用自适应调节,公式如下:
式中,pc1=0.9,pc2=0.6,pm1=0.1,pm2=0.01;fmax和favg分别是每代群体中的最大适应值和平均适应值;f'是交叉运算前父代双亲中较大的适应值;f为变异个体的适应值。调整过程中,减小优质个体(适应值高于种群平均适应值)的pc和pm,可促使算法尽快收敛;增大适应值低于种群平均适应值的个体的pc和pm,可避免算法陷入局部最优解。
进一步的,步骤E的实现过程为:
利用步骤D得到的辨识参数进行自并励励磁系统的10%阶跃响应实验,计算辨识系统的动态性能,包括:延迟时间td,峰值时间tP、上升时间tr、调节时间ts、超调量MP(%)。
进一步的,步骤E中,各动态性能指标定义为:
1)延迟时间td:输出响应第一次达到稳态值的50%所需的时间;
2)上升时间tr:有振荡时,指输出响应第一次达到稳态值的时间;
3)峰值时间tp:输出响应达到最大超调量所需的时间;
4)调节时间ts:指输出响应与稳态值之间的偏差达到允许范围,并维持在此范围内所需的时间,偏差一般取稳态值的±2%或±5%。
5)最大超调:输出响应的最大值与稳态值的差与稳态值比的百分数。
本发明采用上述技术方案,具有以下有益效果:
(1)本发明在进行自并励励磁系统参数辨识的时候,通过参数的时域灵敏度计算以得到单元输出权重,加快了算法的收敛速度。
(2)本发明在进行自并励励磁系统参数辨识的时候,确定一种具有抗差能力的目标函数,有效地减少了坏数据对辨识结果的影响,提高了辨识结果的精度。
(3)本发明在进行自并励励磁系统参数辨识的时候,在参数寻优过程中采用的遗传算法,引入了自适应调节的交叉概率pc和变异概率pm,防止解集陷入局部最优,解决了传统遗传算法早熟的问题。
附图说明
图1为自并励励磁系统中电压测量和无功电流补偿单元的结构模型图;
图2为自并励励磁系统中包含串联校正单元、功率放大单元、电压稳定单元和低励、过励环节的结构模型图;
图3为本发明的大容量调相机自并励励磁系统参数辨识方法的一种实施例的流程框图;
图4本发明的大容量调相机自并励励磁系统参数辨识方法的一种实施例中利用改进遗传算法进行自并励励磁系统的参数辨识流程框图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
图1和图2显示了自并励励磁系统的结构模型图,包括电压测量和无功电流补偿单元、串联校正单元、功率放大单元、电压稳定单元和低励和过励环节。
图1是电压测量和无功电流补偿单元,该单元的输入是调相机机端电压和定子电流输出是偏差电压VERR,待辨识参数是TR,待辨识环节的输入和输出分别是VC和VR。
图2包含串联校正单元、功率放大单元、电压稳定单元和低励、过励环节,在辨识过程中,忽略电压稳定单元和低励、过励环节。串联校正单元中,待辨识参数是K,Kv,T1,T2,T3,T4,待辨识环节的输入和输出分别是VERR和VPID;功率放大单元中,待辨识参数是KA,TA,待辨识环节的输入和输出分别是VPID和VA。
图3为本发明的大容量调相机自并励励磁系统参数辨识方法的一种实施例的流程框图。如图3所示,本发明的一种大容量调相机自并励励磁系统参数辨识方法的一种实施例,包括以下步骤:
步骤A、确定大容量调相机自并励励磁系统仿真模型及待辨识的参数。
新一代大容量调相机的励磁方式多为自并励励磁方式,其励磁系统主要包括:发电机电压测量和无功电流补偿单元、串联校正单元、功率放大单元,电压稳定单元和低励、过励环节,我们主要对前三个单元的参数进行辨识,并忽略低励、过励环节,需要辨识的参数向量为
在实验室环境下各辨识参数的初始值设定为θ*=[0.02,67.5,1,1,10,0.05,0.03,15,0.01]。
步骤B、建立大容量调相机自并励励磁系统参数辨识目标函数。
一种具有抗差能力的目标函数的形式如下:
其中N为采样点的个数,M为输出环节的个数,yj(i)=[VR(i),VPID(i),VA(i)]是自并励励磁系统相关环节的输出,是辨识系统相关环节的输出,wj是基于时域灵敏度分析而得的各环节输出的权重。
实验室环境下,设置采样点的个数N=330,输出环节的个数M=3。
步骤C、通过自并励励磁系统的仿真得到系统输出对各参数的灵敏度,以计算各环节输出权重的大小。
步骤C1、在实验室环境下模拟大容量调相机自并励励磁系统,设定一组参数真值θ*=[0.02,67.5,1,1,10,0.05,0.03,15,0.01],得到各单元的真实输出
步骤C2、在参数真值θ*的基础上,设置各参数偏移量为原参数的+1‰,仿真得到系统输出
在该实施例当中,发电机电压测量和无功电流补偿单元有1个待辨识的参数TR,串联校正单元有6个待辨识的参数K,Kv,T1,T2,T3,T4,功率放大单元有2个待辨识的参数KA,TA。
步骤C3、计算第各个环节的权重公式为
步骤C4、经权重归一化后,w1=0.1136,w2=0.7124,w3=0.174。
如图4所示,步骤D、利用改进遗传算法进行自并励励磁系统的参数辨识,包括以下步骤:
步骤D1、种群的编码采用十进制,其优点是处理函数优化问题更有效;
步骤D2、种群的初始化:初始种群的生成采用小区间生成法,将待辨识参数的取值范围分成50个小区间,在每个小区间内随机地生成1个个体,保证初始种群在解空间内均匀分布;
步骤D3、为了减小坏数据的影响,确定一种具有抗差能力的目标函数,该目标函数的形式如下,各环节的权重已经在步骤C4中确定:
步骤D4、采用轮盘赌方式进行父代个体的选择;
步骤D5、交叉概率pc和变异概率pm采用自适应调节,公式如下:
式中,pc1=0.9,pc2=0.6,pm1=0.1,pm2=0.01;fmax和favg分别是每代群体中的最大适应值和平均适应值;f'是交叉运算前父代双亲中较大的适应值;f为变异个体的适应值。调整过程中,减小优质个体(适应值高于种群平均适应值)的pc和pm,可促使算法尽快收敛;增大适应值低于种群平均适应值的个体的pc和pm,可避免算法陷入局部最优解。
经改进遗传算法优化后的辨识参数θ=[0.0201,70.5256,0.9956,1.0014,9.9778,0.0524,0.0299,15.1582,0.0103]。
步骤E、利用辨识参数仿真励磁系统10%阶跃响应,观察辨识系统的动态性能,延迟时间td=0.19s,峰值时间tP=0.82s、上升时间tr=0.35s、调节时间ts=2.5s、超调量MP=5.6%,均符合国标要求
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,包括如下步骤:
步骤A、建立大容量调相机自并励励磁系统仿真模型,确定待辨识参数:所述的大容量调相机自并励励磁系统包括:发电机电压测量和无功电流补偿单元、串联校正单元、功率放大单元、电压稳定单元和低励、过励环节;需要辨识的参数向量为
步骤B、建立大容量调相机自并励励磁系统参数辨识目标函数,一种具有抗差能力的目标函数的形式如下:
其中N为采样点的个数,M为输出环节的个数,yj(i)=[VR(i),VPID(i),VA(i)]是自并励励磁系统相关环节的输出,是辨识系统相关环节的输出,wj是基于时域灵敏度分析而得的各环节输出的权重;
步骤C、通过自并励励磁系统的仿真得到系统输出对各参数的灵敏度,以计算各环节输出权重的大小;
步骤D、利用改进遗传算法进行自并励励磁系统的参数辨识;
步骤E、利用辨识参数仿真励磁系统10%阶跃响应,观察辨识系统的动态性能,包括:延迟时间td,峰值时间tP、上升时间tr、调节时间ts、超调量MP(%)。
2.根据权利要求1所述的一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,所述步骤B中的时域灵敏度的定义描述为:输出量的变化量与参数变化量的比值,用来体现该变量对于输出量的影响程度,计算公式如下:
其中,θi为待计算灵敏度的参数。
3.根据权利要求1所述的一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,所述步骤C中,各输出环节权重的计算过程如下:
步骤C1、在实验室环境下模拟大容量调相机自并励励磁系统,设定一组参数真值θ*,得到各单元的真实输出
步骤C2、在参数真值θ*的基础上,设置微小的参数偏移量Δθ,仿真得到系统输出m为第i个环节待辨识的参数的个数;
步骤C3、计算第i个环节的权重,
步骤C4、权重归一化,
4.根据权利要求1所述的一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,所述步骤D中,所述的改进遗传算法各个过程的选择包括:
步骤D1、种群的编码采用十进制;
步骤D2、初始种群的生成采用小区间生成法,将待辨识参数的取值范围分成若干个小区间,在每个小区间内随机地生成1个个体,保证初始种群在解空间内均匀分布;
步骤D3、确定一种具有抗差能力的目标函数,以减小坏数据的影响;
步骤D4、采用轮盘赌方式进行父代个体的选择;
步骤D5、交叉概率pc和变异概率pm采用自适应调节。
5.根据权利要求4所述的一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,所述步骤D5中,交叉概率pc和变异概率pm的公式如下:
式中,pc1=0.9,pc2=0.6,pm1=0.1,pm2=0.01;fmax和favg分别是每代群体中的最大适应值和平均适应值;f'是交叉运算前父代双亲中较大的适应值;f为变异个体的适应值。
6.根据权利要求1所述的一种大容量调相机自并励励磁系统参数辨识方法,其特征在于,所述步骤E中,各动态性能指标定义为:
1)延迟时间td:输出响应第一次达到稳态值的50%所需的时间;
2)上升时间tr:有振荡时,指输出响应第一次达到稳态值的时间;
3)峰值时间tp:输出响应达到最大超调量所需的时间;
4)调节时间ts:指输出响应与稳态值之间的偏差达到稳态值的±2%或±5%,并维持在此范围内所需的时间。
5)最大超调:输出响应的最大值与稳态值的差与稳态值比的百分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363194.6A CN109446720B (zh) | 2018-12-24 | 2018-12-24 | 一种大容量调相机自并励励磁系统参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363194.6A CN109446720B (zh) | 2018-12-24 | 2018-12-24 | 一种大容量调相机自并励励磁系统参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446720A true CN109446720A (zh) | 2019-03-08 |
CN109446720B CN109446720B (zh) | 2022-06-28 |
Family
ID=65554503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811363194.6A Active CN109446720B (zh) | 2018-12-24 | 2018-12-24 | 一种大容量调相机自并励励磁系统参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446720B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947048A (zh) * | 2019-03-27 | 2019-06-28 | 华中科技大学 | 一种基于数据的数控机床进给系统参数辨识方法 |
CN111797565A (zh) * | 2020-05-26 | 2020-10-20 | 国网浙江省电力有限公司电力科学研究院 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
CN112688354A (zh) * | 2020-12-14 | 2021-04-20 | 河海大学 | 高压直流输电系统中的同步调相机励磁系统多目标优化控制方法 |
CN111797565B (zh) * | 2020-05-26 | 2024-06-11 | 国网浙江省电力有限公司电力科学研究院 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794118A (zh) * | 2010-03-05 | 2010-08-04 | 华北电力大学 | 基于系统解耦和序优化遗传算法的励磁系统参数辨识方法 |
CN102930077A (zh) * | 2012-09-27 | 2013-02-13 | 华北电力大学 | 一种基于改进型目标函数的抗差励磁系统参数辨识方法 |
CN105610360A (zh) * | 2016-01-22 | 2016-05-25 | 国网上海市电力公司 | 一种同步发电机励磁系统参数辨识方法 |
-
2018
- 2018-12-24 CN CN201811363194.6A patent/CN109446720B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794118A (zh) * | 2010-03-05 | 2010-08-04 | 华北电力大学 | 基于系统解耦和序优化遗传算法的励磁系统参数辨识方法 |
CN102930077A (zh) * | 2012-09-27 | 2013-02-13 | 华北电力大学 | 一种基于改进型目标函数的抗差励磁系统参数辨识方法 |
CN105610360A (zh) * | 2016-01-22 | 2016-05-25 | 国网上海市电力公司 | 一种同步发电机励磁系统参数辨识方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947048A (zh) * | 2019-03-27 | 2019-06-28 | 华中科技大学 | 一种基于数据的数控机床进给系统参数辨识方法 |
CN111797565A (zh) * | 2020-05-26 | 2020-10-20 | 国网浙江省电力有限公司电力科学研究院 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
CN111797565B (zh) * | 2020-05-26 | 2024-06-11 | 国网浙江省电力有限公司电力科学研究院 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
CN112688354A (zh) * | 2020-12-14 | 2021-04-20 | 河海大学 | 高压直流输电系统中的同步调相机励磁系统多目标优化控制方法 |
CN112688354B (zh) * | 2020-12-14 | 2023-03-10 | 河海大学 | 一种同步调相机励磁系统多目标优化控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109446720B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106849078B (zh) | 一种计及死区非线性的电力系统稳态频率预测方法 | |
Zhao et al. | Improvement of regulation quality for hydro-dominated power system: quantifying oscillation characteristic and multi-objective optimization | |
CN109446720A (zh) | 一种大容量调相机自并励励磁系统参数辨识方法 | |
Venkatraman et al. | Improving dynamic performance of low-inertia systems through eigensensitivity optimization | |
Thangaiah et al. | Delay‐dependent stability analysis of power system considering communication delays | |
Singh et al. | Performance comparison of optimized controller tuning techniques for voltage stability | |
Gupta et al. | Fuzzy logic based robust power system stabilizer for multi-machine power system | |
CN109217289A (zh) | 一种基于灰狼算法的光伏附加阻尼控制器参数优化方法 | |
US10599175B1 (en) | Time synchronized frequency and voltage regulation of electric power balancing areas | |
Liu et al. | Operational characteristics and parameter sensitivity analysis of hydropower unit damping under ultra-low frequency oscillations | |
Xu et al. | A distributed simultaneous perturbation approach for large-scale dynamic optimization problems | |
Carbonera et al. | The nonlinear autoregressive network with exogenous inputs (NARX) neural network to damp power system oscillations | |
CN110374789A (zh) | 一种水轮机组调速器pid参数切换方法及装置 | |
Manuaba et al. | Adaptive Power System Stabilizer Using Kernel Extreme Learning Machine. | |
Gallehdari et al. | Model order reduction using PSO algorithm and it's application to power systems | |
CN110829465B (zh) | 计及多调速器死区的电力系统超低频振荡风险评估方法 | |
CN114977191A (zh) | 静态电压稳定分析方法、装置及计算机存储介质 | |
Zenk et al. | Multi zone power systems load-frequency stability using fuzzy logic controllers | |
Kien et al. | Design Low Order Robust Controller for the Generator’s Rotor Angle Stabilization PSS System | |
CN114465280A (zh) | 一种新能源并网系统动态等效建模方法 | |
Ramirez-Gonzalez et al. | Power System Inertia Estimation Using A Residual Neural Network Based Approach | |
Viveros et al. | Coordinated tuning of AVRs and PSSs by multiobjective genetic algorithms | |
Fahim et al. | A method based on Fast Fourier transform for online supervising of power system and control structure design | |
Panda et al. | Application of genetic algorithm for PSS and facts-based controller design | |
CN105406492A (zh) | 一种三相电负荷自动平衡算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |