一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111342477A(43)申请公布日2020.06.26(21)申请号202010080833.9(22)申请日2020.02.05(71)申请人哈尔滨理工大学地址150080黑龙江省哈尔滨市南岗区学府路52号(72)发明人吕艳玲张雨辰王硕侯仕强(74)专利代理机构哈尔滨市阳光惠远知识产权代理有限公司23211代理人刘景祥(51)Int.Cl.H02J3/24(2006.01)权利要求书3页说明书8页附图3页(54)发明名称一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法(57)摘要本发明是一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法。本发明以四阶电力系统混沌数学模型为基础，利用双向优化BP神经网络与滑模变结构控制相结合的控制方法对电力系统混沌振荡进行控制。在神经网络中，本发明对算法正向使用的激励函数和反向使用的学习率分别作出了优化，进而有效抑制滑模变结构控制的抖振现象，使混沌振荡控制更为理想；相较于传统滑模变结构控制，本发明既保留了BP神经网络和滑模变结构控制的优良特性，又在克服神经网络假饱和现象、提高泛化能力以及合理加快学习过程的前提下，更有效地削弱了滑模变结构控制的抖振现象，使电力系统混沌控制获得更好的效果。CN111342477ACN111342477A权利要求书1/3页1.一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：包括以下步骤：步骤1：建立四阶电力系统混沌数学模型，对四阶电力系统混沌数学模型进行简化后建立受控系统；步骤2：确定系统初始状态与目标平衡点，根据系统初始状态和目标平衡点确定指数趋近律的系数与滑动超平面的关系函数；步骤3：在整体选择Sigmoid激励函数的基础上，进行BP神经双向优化；步骤4：根据步骤2中所述关系函数，选取神经网络单输入和单输出的数据样本，对双向优化BP神经网络进行训练；步骤5：根据训练好的双向优化BP神经网络应用于滑模变结构中逼近步骤2中所述关系函数，控制四阶电力系统中的混沌振荡。2.根据权利要求1所述的一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：所述步骤1具体为：步骤1.1：通过下式表示四阶电力系统混沌数学模型：其中，δm为发电机功角，ωs为滑差角频率，δ为节点电压相角，U节点电压幅值，Q1为负荷无功功率，Pm为机械输入功率，dm为阻尼系数，M为惯性常数，m表示与发电机相关，Em为发电机电动势，E'0为网络瞬态电动势，Y′0为网络导纳参数，θ′0为网络阻抗角，Ym为发电机导纳参数，θm为发电机阻抗角，Q0为系统恒定无功功率，T为四阶电力系统化简负荷参数，Kqω、Kqv2为四阶电力系统化简负荷无功参数，Kpv与Kpω为四阶电力系统化简负荷有功参数，P0为系统恒定有功功率，P1为负荷有功功率；步骤1.2：对四阶电力系统混沌数学模型进行简化后建立受控系统，通过下式表示简化后的受控系统：其中，Ki和Hi为化简参数，ui为控制量，i＝1,2,3,4。2CN111342477A权利要求书2/3页3.根据权利要求1所述的一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：选取系统的初始状态，通过下式表示选取的系统初始状态:[δm,ωs,δ,U]＝[0.3,0,0.2,0.97]通过下式表示系统目标平衡点:确定指数趋近律，通过下式表示指数趋近律：其中，ηi为指数趋近律系数，k为指数趋近律定值，系统状态的导数，n＝1,2,3,4。4.根据权利要求1所述的一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：当(s1-0.3366)＜0时，，其中s10为系统状态初始值，设系统在有限时间由负状态到达零状态，则在这段时间内s1就变成了η1的函数，通过下式表示s1的η1的函数：当(s1-0.3366)＞0时，在这段时间内s1的η1的函数为：其中，为有限时间，为第一个系统变量的处于正状态的系统状态初始值，为第一个系统变量的处于负状态的系统状态初始值。5.根据权利要求1所述的一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：根据系统初始状态和目标平衡点确定指数趋近律的系数与滑动超平面的关系函数，通过下式表示指数趋近律的系数与滑动超平面的关系函数：其中，为关系式ηj-sj化简参数，为关系式ηj-sj化简参数，sj为系统第j个系统状态，aj为第j个滑模面预设值，j＝1,2,3,4。6.根据权利要求1所述的一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，其特征是：所述步骤3具体为：步骤3.1：进行正向优化，正向优化BP神经网络选取Sigmoid激励函数，通过下式表示Sigmoid激励函数：