【摘要】 本发明公开了一种基于前传神经网络的同步发电机进相能力建模方法，其特征在于：按以下步骤进行同步发电机进相能力建模：1)进行发电机进相运行试验，获取训练样本和泛化检验样本；2)建立网络拓扑结构，采用基于前传神经网络的梯度最速下降法训练网络；3)采用检验样本验证网络的泛化能力。本发明基于多层前传神经网络具有逼近任意非线性输入输出关系的能力，提出应用发电机进相典型试验结果为训练样本对BP神经网络、径向基神经网络进行训练，建立同步发电机进相运行能力模型的新方法，解决了发电机进相试验结果泛化问题，该模型可作为发电机进相运行时参数监视、无功负荷调节和制定现场运行规程的依据。 【专利类型】发明申请 【申请人】江苏方天电力技术有限公司; 河海大学 【申请人类型】企业,学校 【申请人地址】211102 江苏省南京市江宁区苏源大道58号苏源大厦 【申请人地区】中国 【申请人城市】南京市 【申请人区县】江宁区 【申请号】CN201010212024.5 【申请日】2010-06-28 【申请年份】2010 【公开公告号】CN101957871A 【公开公告日】2011-01-26 【公开公告年份】2011 【授权公告号】CN101957871B 【授权公告日】2012-10-03 【授权公告年份】2012.0 【IPC分类号】G06F17/50; G06N3/08 【发明人】王成亮; 王宏华; 黄磊; 徐钢 【主权项内容】一种基于前传神经网络的同步发电机进相能力建模方法，其特征在于：采用以下步骤建立同步发电机进相能力神经网络模型：1)进行发电机进相运行试验，获取训练样本和泛化检验样本；2)建立网络拓扑结构，采用基于前传神经网络的梯度最速下降法训练网络；3)采用检验样本验证网络的泛化能力。 【当前权利人】江苏方天电力技术有限公司; 河海大学江苏省电力公司国家电网公司 【当前专利权人地址】江苏省南京市江宁区苏源大道58号; 【专利权人类型】有限责任公司(非自然人投资或控股的法人独资); 公立 【统一社会信用代码】913200007780448133; 121000004660068699 【引证次数】1.0 【被引证次数】8 【自引次数】1.0 【被他引次数】8.0 【家族引证次数】1.0 【家族被引证次数】8

未经允许不得转载：http://www.zhongzhencnc.com/1785306416.html