發(fā)布時(shí)間：2017-09-20 07:31

  本文關(guān)鍵詞：基于改進(jìn)粒子群算法的水電機(jī)組建模及其同步發(fā)電機(jī)模型參數(shù)辨識

  更多相關(guān)文章： 水電機(jī)組 建模 參數(shù)辨識 改進(jìn)粒子群算法

【摘要】：當(dāng)今世界已經(jīng)越來越注重保護(hù)環(huán)境,節(jié)約利用資源,電力行業(yè)也是如此,水作為一種清潔可再生能源,早已受到國家的高度重視,在水力資源豐富的地區(qū),往往分布著為數(shù)眾多的中小型水電站。中小水電機(jī)群雖然單機(jī)容量不大,但是隨著規(guī)模的日益擴(kuò)大,總機(jī)容量還是很大的,這些發(fā)電機(jī)組會弱化電力系統(tǒng)的阻尼作用,誘發(fā)電力系統(tǒng)低頻振蕩,對電網(wǎng)穩(wěn)定性的影響不容忽視。電力系統(tǒng)數(shù)字仿真已是電力系統(tǒng)穩(wěn)定性分析的重要手段,暫態(tài)穩(wěn)定性分析需要很多參數(shù)及數(shù)據(jù),故需要構(gòu)建中小水電機(jī)群等效模型并對同步發(fā)電機(jī)的參數(shù)進(jìn)行辨識。單純無規(guī)則輸入輸出數(shù)據(jù)沒有辦法實(shí)現(xiàn)同步發(fā)電機(jī)參數(shù)辨識,而且由于需要辨識的同步發(fā)電機(jī)參數(shù)眾多,為保證參數(shù)的唯一可辨識性,聯(lián)合使用廣域測量系統(tǒng)在線獲取PMU數(shù)據(jù)實(shí)現(xiàn)參數(shù)的在線辨識。參數(shù)辨識方法很多,但是基于水電機(jī)群自身特點(diǎn)的考慮,用并行改進(jìn)的PSO算法是很好的選擇。本文在分析對比各種參數(shù)辨識方法后,為水電機(jī)組建模,并就模型中的同步發(fā)電機(jī)參數(shù)進(jìn)行辨識。綜合分析各個(gè)組成部分的數(shù)學(xué)模型,其中包括同步發(fā)電機(jī)模型、負(fù)荷模型、輸電線路模型、勵磁系統(tǒng)模型四個(gè)部分。通過對同步發(fā)電機(jī)五階模型的數(shù)學(xué)方程詳細(xì)推導(dǎo)證實(shí)了其參數(shù)的可辨識性。在MATLAB/PST平臺上為標(biāo)準(zhǔn)10機(jī)39節(jié)點(diǎn)系統(tǒng)建模。采用線性遞減權(quán)重、壓縮因子、并行算法相結(jié)合的改進(jìn)粒子群算法為10機(jī)39節(jié)點(diǎn)的同步發(fā)電機(jī)G2做參數(shù)辨識,用辨識得到的參數(shù)作為模型數(shù)據(jù)進(jìn)行暫態(tài)穩(wěn)定性分析并與原模型的結(jié)果相對比,驗(yàn)證此參數(shù)辨識方法的實(shí)用性。
【關(guān)鍵詞】：水電機(jī)組 建模 參數(shù)辨識 改進(jìn)粒子群算法
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TV734
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 前言9-15
• 1.1 課題研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.3 本文主要工作及結(jié)構(gòu)安排13-15
• 2 水輪發(fā)電機(jī)及其互聯(lián)電力系統(tǒng)建模15-36
• 2.1 引言15-16
• 2.2 同步發(fā)電機(jī)的數(shù)學(xué)模型16-26
• 2.3 發(fā)電機(jī)勵磁系統(tǒng)的數(shù)學(xué)模型26-29
• 2.4 負(fù)荷的數(shù)學(xué)模型29-31
• 2.5 輸電線路的數(shù)學(xué)模型31-32
• 2.6 10機(jī)39節(jié)點(diǎn)MATLAB模型32-35
• 2.7 本章小結(jié)35-36
• 3 水輪發(fā)電機(jī)模型參數(shù)辨識方法研究36-56
• 3.1 同步發(fā)電機(jī)參數(shù)辨識與可辨識性研究36-40
• 3.2 基于PMU數(shù)據(jù)的水電機(jī)群等效模型參數(shù)辨識原理40-41
• 3.3 粒子群算法基本原理與改進(jìn)方式41-47
• 3.4 選取目標(biāo)函數(shù)47
• 3.5 基于改進(jìn)粒子群算法的同步發(fā)電機(jī)參數(shù)辨識流程47-50
• 3.6 實(shí)例分析50-55
• 3.7 本章小結(jié)55-56
• 4 軟件設(shè)計(jì)部分56-61
• 4.1 數(shù)據(jù)預(yù)處理56-57
• 4.2 算法57-58
• 4.3 I/O接58
• 4.4 界面展示58-61
• 5 總結(jié)與展望61-63
• 5.1 工作總結(jié)61
• 5.2 工作展望61-63
• 致謝63-64
• 參考文獻(xiàn)64-67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳恩偉;劉正士;干方建;;機(jī)器人末端臂慣性參數(shù)辨識的人工神經(jīng)網(wǎng)絡(luò)方法[J];中國機(jī)械工程;2006年03期

2 陳俊;李世明;黃慧紅;;基于多時(shí)段安全監(jiān)控與數(shù)據(jù)采集系統(tǒng)量測的線路參數(shù)辨識與估計(jì)方法[J];供用電;2012年06期

3 潘學(xué)萍;高遠(yuǎn);金宇清;鞠平;;風(fēng)電機(jī)組驅(qū)動系統(tǒng)參數(shù)辨識[J];電網(wǎng)技術(shù);2013年07期

4 賀仁睦;鄭曉雨;馬進(jìn);唐永紅;;基于軌跡靈敏度的負(fù)荷參數(shù)辨識范圍調(diào)整方法[J];電力系統(tǒng)自動化;2009年13期

5 李云峰;徐殿國;史敬灼;;基于空載啟動過程的串勵電機(jī)參數(shù)辨識[J];中國電機(jī)工程學(xué)報(bào);2006年08期

6 韓玉蘭;蘆興;李昕俊;汪成根;;基于量測數(shù)據(jù)的發(fā)電機(jī)參數(shù)辨識[J];科技資訊;2007年36期

7 陳雪云,方華京;機(jī)器人重力參數(shù)辨識新方法[J];華中理工大學(xué)學(xué)報(bào);1998年S1期

8 寇蔚,孫豐瑞,楊立;不確定條件下的設(shè)備熱物性參數(shù)辨識[J];激光與紅外;2005年04期

9 李永軍;馬立元;王天輝;趙廣寧;;一種新型組合窗及其在模態(tài)參數(shù)辨識中的應(yīng)用[J];測試技術(shù)學(xué)報(bào);2011年05期

10 張良;賈晉峰;宋莉;宋林滔;;考慮分區(qū)的電網(wǎng)參數(shù)辨識與估計(jì)方法[J];陜西電力;2011年10期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 劉同栓;許皓;關(guān)新平;;基于變結(jié)構(gòu)理論的混沌控制與參數(shù)辨識[A];第七屆青年學(xué)術(shù)會議論文集[C];2005年

2 張紀(jì)峰;;平均法在ARMAX系統(tǒng)參數(shù)辨識中的應(yīng)用[A];1994年中國控制會議論文集[C];1994年

3 王鴻山;張興;楊淑英;謝震;;基于最小二乘法在線參數(shù)辨識的異步電動機(jī)矢量控制仿真研究[A];2008中國電工技術(shù)學(xué)會電力電子學(xué)會第十一屆學(xué)術(shù)年會論文摘要集[C];2008年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 李想 金挺 黃R，

本文編號：886721