用于磁化曲线拟合的高精度混合型径向基函数神经网络  

NETWORKS IN SIMULATION OF FERROMAGNETIC ELEMENTS' MAJOR HYSTERESIS CURVE

作　　者：李贵存[1] 刘万顺[1] 宫德锋 藤林[1] 王剑[3] 邓慧琼[1] 

机构地区：[1]华北电力大学四方研究所,北京100085 [2]肥城电业局,山东省肥城271600 [3]山东工业大学电力学院,山东省济南市250061

出　　处：《电网技术》2001年第12期18-21,25,共5页Power System Technology

摘　　要：铁磁材料的主磁滞回环是强非线性函数 ,其精确拟合是电力系统暂态仿真中的一个重要课题 ,应用人工神经网络对其进行模拟是一种新尝试。作者针对前馈神经网络的反向传播 BP学习算法收敛速度慢和径向基函数 (RBF)神经网络在拟合中光滑性 (内插和外推能力 )差的缺点 ,提出了一种新型的混合型径向基函数神经网络 ,有效地克服了 BP神经网络和普通径向基函数神经网络在铁磁材料主磁滞回环拟合方面的缺点 ,实际应用获得满意结果。The major hysteresis loop of ferromagnetic material is a kind of strong non linear function. To precisely fit the major hysteresis loop is an important topic in the power system transient simulation and it is a new attempt to simulate it by artificial neural network (ANN). Because of the low convergence speed of BP (back propagation) learning algorithm for Feed Forward Neural Network and the weak smoothness in the fitting by Radial Basis Function Neural Network, a new hybrid radial basis function neural network is put forward. The above mentioned disadvantages in the fitting of major hysteresis loop are effectively surmounted. The simulation results show that the presented method can fully satisfy the demand of the power system dynamic simulation.

关 键 词：电力系统 暂态仿真 磁化曲线拟合 混合型径向基函数 神经网络 

分 类 号：TM743[电气工程—电力系统及自动化] TP183[自动化与计算机技术—控制理论与控制工程]