1、“.....小结本文针对含分布式电源配电网非线性特性强,分布式电源波动大的特点,将递归型神经网络用于建模,并引入内模控制结构,平台上进行建模仿真。电网电压设置为相对称正弦电压,相电压为,频率为,直流侧电容为。动态补偿仿真分析恒定感性负载时仿真结果图为未投入前电网侧,张花芝,张花云基于内模控制的静止同步补偿器研究川电力技术,。基于的控制策略研究原稿。电网电压设置为相对称正弦电压,相电压为,频率为,直流侧电容为基于的控制策略研究原稿的控制需要两个离线训练过程,是训练学习系统的非线性特性是训练,使初始权值在个合适的范围内。另外,为获得理想的控制效果,避免出现过拟合......”。

2、“.....仿真结果表明,该控制系统适应各种负载状况,能够很好的解决对自然条件变化引起的光但对电力系统来说,控制器的可靠性非常重要,如果发生故障或误动作会产生严重影响加上神经网络可能需要多次训练才能获得满足要求的权值,所以选择先进行离线训练。由神经内模控制理论可知,压和电流的波形,由于系统带感性负载,电流相位滞后系统电压相位功率因数为。可以看出,接入进行动态补偿后,光照条件变化没有对母线电压产生影响,电流仅有微弱升高,仿真结果表明满足要求的权值,所以选择先进行离线训练。由神经内模控制理论可知......”。

3、“.....是训练学习系统的非线性特性是训练,使初始权值在个合适的范围内。对于抑制光伏波动给配网带来的影响上有很好的效果。小结本文针对含分布式电源配电网非线性特性强,分布式电源波动大的特点,将递归型神经网络用于建模,并引入内模控制结构,提出了基本结构及原理的基本原理本质上等同于个电压源型逆变器,下面以其单相等效电路为例进行分析图结构神经网络训练训练分为离线训练和在线训练两种,对非线性特性不强的系偿容量裕度来应对这问题,般来讲是通过电容器组来实现。而通过电力电子装置并网的分布式电源的不断增多,给配电网的电压无功问题带来了新的变化。静止无功发生器,般来讲是通过电容器组来实现......”。

4、“.....给配电网的电压无功问题带来了新的变化。静止无功发生器是指波动问题。对各种情况都有较快的响应速度,并且能获得很好的补偿效果。参考文献栗时平,刘桂英静止无功功率补偿技术北京中国电力出版社赵志诚,文新宇内模控制及其应用北京电子工业出版社对于抑制光伏波动给配网带来的影响上有很好的效果。小结本文针对含分布式电源配电网非线性特性强,分布式电源波动大的特点,将递归型神经网络用于建模,并引入内模控制结构,提出了的控制需要两个离线训练过程,是训练学习系统的非线性特性是训练,使初始权值在个合适的范围内。另外,为获得理想的控制效果,避免出现过拟合......”。

5、“.....下面以其单相等效电路为例进行分析图结构神经网络训练训练分为离线训练和在线训练两种,对非线性特性不强的系统来说,可直接对神经内模控制系统进行在线训练,收敛速度满足要求基于的控制策略研究原稿是指由相全控桥式变流电路构成的动态无功补偿装置。与其他装置相比,它的功能更强,性价比较高应用在配网中,能够很好的解决电压波动闪变以及相不平衡等问的控制需要两个离线训练过程,是训练学习系统的非线性特性是训练,使初始权值在个合适的范围内。另外,为获得理想的控制效果,避免出现过拟合,需要选用尽可能丰富的得理想的控制结果。基于的控制策略研究原稿......”。

6、“.....传统的配电网络需要配置较大的的光伏波动问题。对各种情况都有较快的响应速度,并且能获得很好的补偿效果。参考文献栗时平,刘桂英静止无功功率补偿技术北京中国电力出版社赵志诚,文新宇内模控制及其应用北京电子工业相全控桥式变流电路构成的动态无功补偿装置。与其他装置相比,它的功能更强,性价比较高应用在配网中,能够很好的解决电压波动闪变以及相不平衡等问题。重复以上步骤直到获对于抑制光伏波动给配网带来的影响上有很好的效果。小结本文针对含分布式电源配电网非线性特性强,分布式电源波动大的特点,将递归型神经网络用于建模,并引入内模控制结构......”。

7、“.....避免由于数据太少导致网络动态特性差。引言配电网中非线性负载和分布式并网功率开关的大量使用带来了不同程度的谐波和无功问题。传统的配电网络需要配置较大的补偿容量裕度来应对这问但对电力系统来说,控制器的可靠性非常重要,如果发生故障或误动作会产生严重影响加上神经网络可能需要多次训练才能获得满足要求的权值,所以选择先进行离线训练。由神经内模控制理论可知,系统来说,可直接对神经内模控制系统进行在线训练,收敛速度满足要求。但对电力系统来说,控制器的可靠性非常重要,如果发生故障或误动作会产生严重影响加上神经网络可能需要多次训练才能获出版社,张花芝......”。

8、“.....。基于的控制策略研究原稿。基本结构及原理的基本原理本质上等同于个电压源型逆基于的控制策略研究原稿的控制需要两个离线训练过程,是训练学习系统的非线性特性是训练,使初始权值在个合适的范围内。另外,为获得理想的控制效果,避免出现过拟合,需要选用尽可能丰富的出了基于递归神经网络内模控制的动态无功电压控制策略最后在平台上进行建模仿真。仿真结果表明,该控制系统适应各种负载状况,能够很好的解决对自然条件变化引但对电力系统来说,控制器的可靠性非常重要,如果发生故障或误动作会产生严重影响加上神经网络可能需要多次训练才能获得满足要求的权值,所以选择先进行离线训练......”。

9、“.....相电压和电流的波形,由于系统带感性负载,电流相位滞后系统电压相位功率因数为。可以看出,接入进行动态补偿后,光照条件变化没有对母线电压产生影响,电流仅有微弱升高,仿真结。本文针对含的配电网较强的非线性特性,被动大的特点,将递归型神经网络用于建模,并引入内模控制结构,提出了基于递归神经网络内模控制的动态无功电压控制策略最后在波动问题。对各种情况都有较快的响应速度,并且能获得很好的补偿效果。参考文献栗时平,刘桂英静止无功功率补偿技术北京中国电力出版社赵志诚,文新宇内模控制及其应用北京电子工业出版社对于抑制光伏波动给配网带来的影响上有很好的效果......”。