| 35 | 0 | 69 |
| 下载次数 | 被引频次 | 阅读次数 |
针对电力系统在负荷波动及外部干扰下励磁控制非线性、强耦合的难题，本文提出一种基于液态神经网络的PID控制器。该方法利用LNN独特的动态时间处理能力和高维状态空间映射特性，对PID参数进行在线自适应优化，以实现对励磁电压Vf的精准控制。仿真实验对比了LNN-PID、传统BP-PID及常规PID三种控制策略在系统暂态过程中的性能。结果表明，所提LNN-PID控制器能有效抑制振荡，显著加快系统响应速度。在转子转速、功角和有功功率三个关键指标上，液态神经网络PID与传统BP-PID及常规PID控制器的对比显示出更优异的动态跟踪能力和鲁棒性，验证了LNN-PID显著提升电力系统稳定性的优势。
Abstract：[1]郗发刚，何信林，梁炯，等.水电厂智能化励磁系统设计与实现[J].水电能源科学，2024,42(12):162-165,175.
[2]高富强，李萍，张磊敏，等.基于BP神经网络整定的PID控制及其仿真[J].山东陶瓷，2017,40(3):27-31.
[3]何法，韩志，李彦超，等.基于遗传算法优化BP神经网络的锂电池容量预测研究[J/OL].汽车技术，1-6[2026-01-20].
[4]潘炯睿.基于液态神经网络的交通流预测[J].汽车知识，2025,25(12):245-247.
[5]殷瑞刚，王偲柠，魏帅.液态神经网络研究综述[J/OL].计算机系统应用，1-12[2026-01-20].
[6]常臻，张静，范舒羽，等.基于Matlab的电力系统静态稳定性分析与仿真[J].电子设计工程，2023,31(6):52-56.
[7]王勇，高红亮，鲍新宇，等.基于浣熊优化算法的电力系统负荷频率控制[J].自动化与仪表，2024,39(9):37-40,46.
[8]李子亮，李兴春.融合液态神经网络与多层级图卷积的关系抽取方法[J/OL].计算机应用研究，1-8[2026-01-08].
[9]周俊杰，高红亮.基于网络化控制的PSO-BP神经网络PID直流电机速度控制仿真研究[J].自动化与仪表，2025,40(5):17-21.
[10]秦国鑫，于锡平，张师.基于贝叶斯正则化BP神经网络的电力系统暂态稳定定量评估研究[J].电气开关，2025,63(1):55-58,62.
[11]黄蓉，韩忠修.短路故障下单机无穷大系统的暂态稳定仿真分析[J].电工技术，2023(23):19-21,23.
[12]汪繁荣，汪筠涵，江俊杰.改进SSA优化BP神经网络的变压器故障诊断[J].现代电子技术，2025,48(4):145-150.
[13]Arabsadegh M,Rajabi Mashhadi M. Innovative optimization of 765kV transmission network upgrades:Enhancing dynamic stability and efficiency in power systems[J]. International Journal of Electrical Power&Energy Systems,2026(174):111512.
基本信息:
中图分类号:TM712;TP183
引用信息:
[1]杨猛,高红亮,周俊杰,等.液态神经网络PID在电力系统稳定性控制中的仿真研究[J].电器工业,2026,No.308(07):11-16+75.
基金信息:
国家自然科学基金（62271195）; 湖北省自然科学基金（2021CFB578、2024AFB837）
2026-07-06
2026-07-06