基于BPL算法的AC-(LCC)DC系统全电磁暂态快速仿真方法

对AC-(LCC)DC混联电网的全电磁暂态仿真计算,数值积分过程中将面临频繁的间断现象。现有的电磁暂态仿真计算主要是采用隐式梯形积分方法,但隐式类积分方法在面临间断问题时计算效率很低。为解决此问题,该文将Borel-Padé-Laplace(BPL)算法引入AC-(LCC)DC系统的全电磁暂态数值仿真计算,提出一类新的全电磁暂态计算方法。与传统的数值积分类方法不同,BPL算法是将Borel-Laplace变换与经典的Padé逼近相结合的一类新的渐近数值方法。采用含2条LCC-HVDC输电线路的3机9节点AC/DC系统作为算例系统,以PSCAD/EMTDC的仿真结果为基准,对提出的新方法进行测试。算例测试结果表明:基于BPL算法的全电磁暂态计算方法可以避免传统隐式类积分方法所面临的问题,在计算效率上具有明显的优势。

BP神经网络在无线传感器网络三维定位中的应用

为了减4、多跳距离估计误差对三维无线传感器网络节点定位的影响，提出了一种结合BP神经网络的多跳定位（BPL）算法。建立了BP神经网络模型，用来修正不相邻节点间的多跳距离估计值；根据锚节点间的位置关系提取样本对其进行训练，使其能够反映三维无线传感器网络几何结构的主要特性，未知节点利用训练好的BP神经网络估计出自身到一定跳数范围内锚节点的距离，并求出自身三维坐标。仿真结果表明，BPL算法可以有效降低多跳距离估计误差，提高传感网的定位精度。在节点稀疏部署的网络环境中，BPL算法具有更加明显的优势。