一、基于现场实测的电力系统静态负荷模型参数辨识(论文文献综述)
亢朋朋,朱思宇,王衡,樊国伟,杨桂兴[1](2021)在《基于改进蝴蝶算法的光伏综合负荷模型参数辨识》文中认为文章研究了计及分布式光伏的综合负荷模型(SLM-DP),提出了基于改进蝴蝶算法(IBOA)的综合负荷模型参数辨识方法。通过引入飞行惯性权重、全局最优点扰动和飞行干扰因子,避免蝴蝶算法过早陷入局部最优,改善算法优化能力、收敛精度和速率,以提高含分布式光伏的综合负荷模型准确性。基于仿真数据的对比验证表明,与常用算法相比,文章所提出的算法在计算精度和收敛速率等方面均有提高,具有较好的实用性。利用实际短路试验数据对SLM-DP的模型参数进行了辨识验证,证明了所提方法的有效性和可行性。
周衡[2](2021)在《计及变频异步电机的电力系统负荷建模研究》文中研究表明电力系统仿真是电力系统规划设计、调度运行的保障,而精确的元件模型是可靠的电力系统仿真的基础。随着电力电子技术的迅速发展,变频调速技术日渐成熟,由于其高性能,高节能,传统异步电机直接并网逐步被变频电机所替代,使得电力系统中负荷组成及特性也悄然发生变化。本文针对变频异步电机特性,对其建立等效负荷模型。首先,对异步电机这类元件的负荷模型一些基本研究方法如统计综合法、总体测辨法、故障拟合法进行了研究,分析了常用的负荷模型,为变频异步电机的电力系统负荷建模奠定了理论基础。然后,基于变频异步电机的工作原理,建立了变频电机负荷计算模型,并在MATLAB/Simulink平台中对不同电压、不同频率跌落下与传统异步电机的响应特性进行了对比,结果表明两者的有功无功响应不同,传统异步电机的负荷模型表征变频异步电机已不再适用。在此基础上,根据变频异步电机特性,忽略其短暂动态过程,构建了变频异步电机静态等效模型,采用最小二乘法进行参数辨识,确定最终负荷模型参数,并与原有功无功响应曲线进行对比,验证了该模型的有效性。最后,基于PSASP用户自定义建模平台,建立变频异步电机等效模型。以实际电网建立的系统模型为例,对不同负荷模型组成比例和不同故障切除时间与实际电网中的综合负荷模型进行对比,变频异步电机模型比综合负荷模型的电压恢复特性更好,但故障时间内电压跌落的更多。因此,今后对不同负荷综合统计时,应考虑变频异步电机的负荷模型来满足工程中的实际需要。
杨淞淇[3](2021)在《电力电子化电力系统动态负荷建模与参数辨识研究》文中进行了进一步梳理电力系统负荷建模是电力系统分析、规划、控制以及运行和监视领域中广泛研究的关键性技术,能够准确反映负荷外部特性对于电力系统仿真和安全稳定运行非常重要。过去,经过国内外对电力负荷建模的大量研究,已经有非常丰富的负荷模型结构,并且也有大规模投入使用的经典模型。但是,近年来可再生能源发电、高压直流输电和电气化负荷使用规模不断扩大,电力系统正在发生广泛而深刻的变化,呈现出多时间尺度动力学特性。国内外都陆续出现了不明机理带来的系统稳定性和安全性问题,这已经对系统运行构成了严重威胁。目前的电力负荷模型在一定程度上不能良好地描述负荷外部特性,面对电力系统电力电子化新形势下的艰巨挑战,在此基础上,本文重点研究在中尺度扰动下,电力电子化电力系统动态负荷的等效机理模型。论文的主要研究内容有如下几个方面:1、建立正确的电力电子化动态负荷数学模型。考虑电力电子装置及其控制系统,将其整体作为电力电子接口串入传统动态负荷模型中,从而得出电力电子化动态负荷等效机理模型。经过大量分析确定该模型的拓扑结构,解决方程的强耦合性、非线性的问题,并在忽略一定的损耗下消除中间变量,整合出以电压、频率为输入,有功、无功功率为输出的传递函数形式的动态模型,在仿真平台中搭建该模型和拓扑对应的物理模型,分别进行三次扰动设置,比较两者输出的动态响应,验证了建立的动态模型具有正确性。2、对建立的模型参数进行灵敏度分析。在考虑负荷电力电子化后,所建立的模型参数也随之增加,这不但给参数辨识带来了不便,在实用性方面也提高了复杂度。基于此,采用轨迹灵敏度理论和控制变量法,依次对模型中的每一个参数进行分析,并根据结果和实际情况确定了待辨识参数,这大大降低了模型的复杂度,为下一步研究奠定了基础。3、基于粒子群算法对重点参数进行辨识。首先通过实验获取数据并将数据进行预处理,将灵敏度低的参数使用经典值计算得出,再采用粒子群算法辨识出灵敏度较高的参数,将实验曲线与辨识曲线进行拟合,结果表明两者的拟合程度较高,再一次证明了本文所建立的模型的有效性,同时具有一定的实用性。
李红霞[4](2021)在《基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究》文中研究指明随着我国主要电网互联和混连受端电网进程推进,新能源和电力电子元件的增加,不同地区负荷需求及特征也呈现出较大的差异性、随机性和分散性。负荷相对落后于发电机和输电网络的建模工作,影响了整个电力系统模型计算的精度,因此面对时变的结构参数以及复杂的电力系统负荷进行建模,并根据实时动态数据进行在线参数辨识具有一定迫切性。针对电力系统新特征,本文应用到广域测量系统提供的实时运行的小扰动数据,以综合负荷模型为研究对象,基于自适应卡尔曼滤波算法在线辨识负荷参数,并利用遗传算法获取更加准确的系统噪声估计协方差矩阵,为电力系统的运行分析提供有效的参数辨识结果,提高对电网负荷的监视能力。负荷参数在线辨识方面,针对传统负荷建模方法在数据获取、辨识精度和在线辨识上受到限制的问题,提出基于广域测量系统量测技术的自适应卡尔曼滤波在线负荷参数辨识算法。首先考虑负荷模型的组成,建立并线性化综合负荷模型,基于同步相量测量单元在线实时测量的小扰动数据,提出了数据预处理方式,并对比传统卡尔曼滤波算法和改进的Sage-Husa自适应卡尔曼滤波算法两种技术路线,运用预报误差法解决辨识问题。系统噪声优化方面,提出一种基于遗传算法优化的自适应卡尔曼滤波算法,首先针对遗传算法的交叉、遗传和选择进行自适应调整,避免易陷入早熟致使收敛到局部最优解的缺陷,然后采用改进的遗传算法离线确定系统噪声协方差矩阵,以提高自适应卡尔曼滤波在线辨识负荷参数的计算效率和准确性,最后应用传统KF、AKF和本算法优化后的AKF辨识参数并对比有功功率和无功功率的拟合度,验证遗传算法优化的有效性。本文所提出的基于改进的自适应卡尔曼滤波的负荷参数在线辨识方法和优化模型参数的改进遗传算法经过浙江省电网的变电站实时运行数据验证,算例结果表明,本文提出的在线辨识算法,具有较好的适用性和较高的准确性。
王俊家[5](2020)在《托卡马克核聚变装置配网负荷分析及其稳定性机理研究》文中研究指明从深度参与ITER计划,到聚变堆主机关键系统综合研究设施(CRAFT)建设和中国聚变工程实验堆项目(CFETR)逐步展开,我国核聚变行业近年来发展迅速。核聚变装置的高效运行与其配电网络的可靠性及稳定性密切相关。本论文从托卡马克核聚变装置配网功能需求、稳态性和脉冲性核聚变负荷模型分析及其电压稳定性研究、基于大功率磁体电源负荷的脉冲配电网运行机理等方面探讨了托卡马克核聚变装置变配电网络设计及其运行控制的特殊性,提出了新的分析思路及方向。基于托卡马克核聚变装置变配电网络设计的基本框架及理论基础,总结归纳了 4类主要负荷,分别依据其容量及其性质确定对应配电网络配置。针对托卡马克核聚变装置变配电系统的功能性需求展开分析,确定了托卡马克核聚变装置变配电网络的基本拓扑结构,提出了基于各类计算包括潮流计算、短路计算、稳定计算和冲击性负荷验算确定配网结构设计合理性及有效性的设计思路。以托卡马克核聚变装置中常规负荷为研究对象,提出了利用单台感应电动机铭牌数据转化为动态机理模型对应参数的辨识方法,并通过典型负荷的计算分析验证了该方法的有效性。利用连续潮流法解析了不同负荷模型对托卡马克核聚变装置配电网络电压静态稳定性分析结果的影响。从机理上分析了系统电压暂态失稳的主要原因,基于时域分析法计算及仿真确定了故障清除时间和母线功率因数是影响电压暂态稳定性能的主要因素。针对托卡马克核聚变装置中磁体电源系统和PSM辅助加热电源系统两类典型脉冲性负荷进行了负荷模型分析,建立了基于微粒群算法磁体电源系统的自恢复冲击负荷模型和PSM辅助加热电源综合负荷模型。通过EAST装置中磁体电源负荷现有数据验证了自恢复冲击负荷模型的准确性,并利用仿真试验结果验证了综合模型的适用性。提出基于出口短路容量的稳定性指标,并以此为依据采取提高稳定性的可行性控制措施,为实时监测聚变装置配网电压稳定性提供理论及可操作性基础。围绕随机性大,功率高且功率因数极低的磁体电源负荷进行了其与配电网络交互时的全面分析,以短路比为参数提出了变流器运行时对配电系统的配置要求,基于量化多变流器间运行影响程度,提出降低各变流器间相互影响解决方案。全面解析变流器配电系统配置对变流器运行工况如换相缺口和谐波电流产生等影响,利用EAST模型验证了现有配电网络与极向场变流器交互制约关系。提出避免谐振过电压和抑制低次谐波放大的配网侧控制策略,对托卡马克核聚变装置配电网络优化设计具有重要意义。从托卡马克核聚变装置功能需求出发,对比了 ITER配电网络设计方案及负荷分析,依据设计流程搭建了 CFETR 220kV变配电网络基本框架,通过相关稳定性计算从理论上确定配电网络的基本参数,并基于ETAP12.6.0仿真软件的潮流及短路计算校验了负荷分配及无功补偿方案的可行性。
梁涛[6](2020)在《电力系统负荷模型的典型参数分析与辨识方法研究》文中认为随着电网的快速发展,电源构成多元化、网架结构复杂化、负荷成分多样化,电网安全稳定运行压力逐渐增大,对仿真模型准确性的要求越来越高,其中负荷模型尤其是动态负荷模型的选取,对系统稳定计算结果的可信度具有重要影响。感应电动机负荷是动态负荷中最重要的成分,电力系统也存在大量参数各异的感应电动机负荷。然而,感应电动机的类型不清晰,其模型参数的分布不明朗。对此,本文通过文献调研收集、整理了224台电动机负荷模型参数,并以此为基础深入分析了感应电动机的类型及典型参数,并将其用于负荷模型参数辨识。本文主要从感应电动机模型参数调研、感应电动机典型参数分析和综合负荷模型参数辨识等三个方面展开研究。感应电动机模型参数调研方面,基于文献调研获得了224台电动机的负荷模型参数。针对参数集中机械转矩系数和初始滑差大量缺失的问题,分别提出K最近邻算法的转矩系数填补方法,以及基于负载率或临界滑差的初始滑差估计方法,取得了良好的填补效果,为后续的典型参数分析奠定了坚实可靠的数据基础。感应电动机典型参数分析方面,基于224组填补完整的电动机参数,考虑不同电动机暂态响应存在的差异,以仿真所得的电动机暂态功率曲线为聚类依据,采用K均值算法,获得了7类暂态特征各异的电动机,分析了7类电动机的参数分布特征,提取了7类有效的典型参数值。所得的7类典型参数值补充了IEEE和国家电网有限公司推荐的电动机参数集,为感应电动机负荷模型的典型参数取值提供了参考依据。综合负荷模型参数辨识方面,基于轨迹灵敏度法分析了综合负荷模型动态响应对模型参数的灵敏度,以此为依据确定出重点辨识参数;基于实测故障录波数据,采用了兼具遗传算法与蚁群算法优点的遗传蚁群混合优化算法,以7类典型参数值为待求参数的初始值,进行了负荷模型参数辨识,提高了参数辨识准确度,为更精准地电网稳定分析计算提供了支撑。
张翔宇[7](2019)在《冷热电联供系统负荷建模与优化研究》文中研究表明随着世界电力工业的发展,电力工业已成为国民经济发展中最重要的基础能源工业,在国民经济发展和社会进步中发挥了重要作用。其中电力负荷作为电力系统的重要组成部分,准确的建立其评价模型,不仅有利于电力系统的正常稳定运行,同时也可为电力系统设计提供重要依据。本文分析了冷热电联供系统与负荷建模方法的研究现状,针对现有的问题,建立了冷热电联供系统的负荷模型,对模型输出负荷特性进行了仿真研究。并基于此模型,提出了一种改进型苍狼算法,并采用总体相似度的方法将其与粒子群算法、苍狼算法进行了参数辨识结果的对比分析;然后用MATLAB/GUI模块,对上述研究内容进行了可视化设计,搭建了冷热电联供系统负荷建模平台,并对平台的功能进行了仿真验证。首先,通过对国内外负荷建模研究现状的分析,基于冷热电联供系统的特点,使用MATLAB/Simulink模块对联供系统进行仿真模型搭建;并在此基础上,按照以热定电的方法对冷热电联供系统进行了负荷建模,并对模型的输出负荷特性进行了仿真分析。其次,总结了粒子群算法、改进型粒子群算法、苍狼算法的具体差异,针对苍狼算法现有的缺陷,基于本文研究内容提出一种对苍狼算法进行改进的方法,通过检验函数对比分析了改进型粒子群算法、苍狼算法、改进苍狼算法的收敛速度;根据模型负荷特征仿真数据,采用上述三种算法进行了参数辨识,通过总体相似度评估方法对参数辨识结果进行了对比分析,结合收敛速度的对比结果,得到了三种算法参数辨识效果的差异。最后,在前文研究的基础上,使用MATLAB/GUI模块搭建了冷热电联供系统负荷建模平台,平台包括登录界面、数据库操作界面、负荷模型选择界面、参数辨识界面,通过对平台的运行调试,实现了上述研究内容的可视化。
屈星[8](2018)在《面向智能调度的广义综合负荷建模方法研究》文中指出智能调度基于实时的电网仿真,而综合负荷模型是影响仿真结果准确程度的关键性因素之一,因此,负荷建模一直受到广泛的关注。负荷由于其本身的时变性、地域性、多样性等特点,建立统一、通用的负荷模型十分困难。在智能调度背景下,实时的电网仿真对负荷建模提出了更高的要求:一方面,负荷建模应当能较好地解决负荷的时变性问题,以适应不同运行方式下的调度仿真;另一方面,负荷建模应面向广域,针对所有参与电网仿真的变电站同时建模。本文立足于智能调度仿真的应用场景,开展含有广义负荷的配电网综合负荷建模研究,以期解决负荷建模领域中关键性的模型结构问题;充分利用电网自动化系统丰富的负荷特性数据,开发实时负荷建模平台,为智能调度仿真提供实时、广域的负荷模型参数。本文的主要内容包括以下几个方面:(1)针对已有的综合负荷模型在结构上的不足,提出一种改进的综合负荷模型结构。根据负荷位于配电网中低压区的实际情况,改进模型将配电网中低压网络和高压网络进行区分并分别建模:将包括负荷在内的中低压网络采用经典综合负荷模型(Classical Load Model,CLM)描述,而将高压网络采用阻抗串联Π型电路模拟。Π型电路基于变压器Π型等效原理,其变比取为变电站高压母线稳态电压值,能够反映配电网调压结果。通过与已有综合负荷模型的对比仿真分析,提出的模型在不同电压水平下具有更好的描述性能和参数稳定性。(2)针对未来智能配电网中将广泛存在的光伏发电系统,提出一种含光伏发电系统的配电网广义综合负荷模型。建立了光伏阵列仿真模型,介绍了光伏并网仿真系统的各主要环节;基于构建的光伏发电并网仿真系统,分析了并网处光伏发电系统的动态特性,在此基础上,提出了一种光伏发电系统二阶动态模型并进行了仿真验证;利用提出的光伏发电系统动态模型,提出一种含光伏发电系统的配网侧广义综合负荷模型。基于构建的含光伏发电系统的简单配电网仿真系统,检验了提出的广义综合负荷模型的有效性。(3)针对未来智能配电网中将广泛应用的电池储能系统(Battery Energy Storage System,BESS),提出一种适应于而不仅限于负荷建模的BESS动态模型。建立了一种基于等效电路法的通用的储能电池模型;基于构建的电池储能并网仿真系统,分析了其在并网处的动态特性,在此基础上,提出了一种适用于负荷建模而不仅限于负荷建模的动态模型及其改进模型。仿真分析表明,提出模型具有较理想的描述性能,能用于等效描述BESS在充放电条件下的动态行为。(4)进行含BESS的配电网负荷特性研究,指出含BESS的配电网负荷建模应当计及BESS动态特性的必要性。利用提出的BESS动态模型,提出一种含BESS的配网侧广义综合负荷模型。基于构建的含电池储能的简单配电网仿真系统,通过对在放电条件下考虑三种不同接入容量比例场景时的建模分析,检验了提出的广义综合负荷模型的有效性,并在充电条件下进行了模型有效性的进一步验证。(5)基于智能调度仿真对负荷建模的实时、广域性要求,以电网自动化系统为建模数据来源,开发了面向智能调度的实时负荷建模平台。从服务于智能调度仿真的角度,阐述实时负荷建模平台开发所涉及的关键理论技术问题与设计原则,在此基础上,结合调度仿真对平台的要求,提出了平台开发的总体架构。通过将开发的实时建模平台联网至某省电力有限公司的数据平台试运行,建模结果表明,开发的实时负荷建模平台能满足智能调度仿真对负荷模型的要求。
王俊[9](2016)在《基于改进遗传编程的负荷建模研究》文中研究表明在电力系统的分析和研究中,时常需要用到电力系统数字仿真,它具有经济、便捷等特点而被作为优先考虑使用的分析工具。电力系统由发电机、励磁调节和电力负荷等元件构成,各元件的数学模型精确度都会影响电力系统数字仿真的结果,在实际电力规划、研究分析当中应恰当使用,若使用不当,甚至可以得到截然相反的特性。在实际的工程应用当中,负荷模型的建立需要依靠建模工作者先前的知识和经验。同时,负荷由各类不同负荷特性的电器组成使综合负荷呈现出多样、分散等特点,导致负荷模型的精确度经常受外界影响,使得出的结论不够准确,偏差较大。随着电力系统的飞速发展,各类电力模型研究的不断深入,负荷建模也应作出大的跨步,需要更多的科研工作者投入进来。负荷建模研究至今,常见的有三种建模方法即总体测辩法、统计综合法、以及依靠测量技术为基础的故障拟合法,其中第一种总体测辩法的应用最为广泛,建模过程便捷、模型真实可靠,但建模时需要知道现场实测的扰动数据然后再进行模型结构的确定和参数的辨识。相对于传统的先确定负荷模型结构再进行模型参数辨识的建模方法,使用遗传编程进行负荷建模可不用预先设定模型结构,根据输入输出变量自动生成不同的拟合函数,根据其适应度进行排序寻找最为精确的拟合函数进行建模。遗传编程在运行时会根据所设定的函数、终止符集来随机生成不同的初始群体,对本文来说即不同的负荷模型表达式。它与遗传算法有着许多相同与不同之处,它们都采用了遗传机制,但遗传编程以分层树结构来表示所希望解决的问题比遗传算法更加具有层次化和灵活性。遗传编程在计算时会随机组合不同的负荷模型结构,然后依据实测数据求出拟合值,并搜寻最佳的个体,其过程实际为将所得拟合值与实测数据进行对比找出拟合程度最好的负荷模型。本文创新性的使用改进的遗传编程算法进行了负荷的建模工作。首先对算法中种群适应度计算过程进行了优化,一定程度上提高了进行遗传编程负荷建模时的精确度和效率。其次建立了静态负荷模型并将所建立的静态负荷模型与传统建模方法所建立模型进行对比,说明了该方法的有效性、实用性。最终采用改进遗传编程进行动态负荷建模,通过研究证明了采用改进遗传编程进行动态负荷建模的可实现性。
沈良雄[10](2013)在《基于改进粒子群算法的电力负荷模型参数辨识研究》文中研究说明电力负荷是电力系统的重要组成部分,对电力系统的稳定运行具有重要影响。随着对电力负荷研究的深入,负荷的数学模型已较为成熟,但由于负荷自身的复杂性使得模型参数的获取变得困难,而参数准确程度又直接影响了负荷模型的有效性,因此研究负荷模型的参数辨识具有重要意义。本文分析了电力系统静态和动态负荷模型,运用时域仿真法对感应电机启动、平稳运行中受扰动的暂态过程进行数值仿真,结果证明了所采用数学模型和数值算法的正确性。针对线性递减惯性权重和收缩因子粒子群算法存在“早熟”和遍历性不足的问题,提出了一种基于S型惯性权重的变异粒子群算法。通过多个标准测试函数对改进算法进行综合测试,验证了该算法具有收敛速度快和搜索精度高的优点,适用于负荷模型的参数辨识。其次,分析了幂函数和二项式形式的静态负荷模型结构特点,指出二项式模型参数辨识结果不唯一的原因。然后基于实测负荷数据对此进行验证,得出辨识结果是否唯一与模型结构有关的结论。以此为依据,选择幂函数模型作为负荷静态模型,并基于改进粒子群算法对其进行参数辨识。通过将静态模型对实际负荷突变情况进行拟合,证明了静态负荷模型描述性能的局限性。最后,对动态模型进行初始状态求解,运用四阶龙格-库塔法推导模型的迭代方程,结合改进粒子群算法设计出动态模型参数辨识的仿真步骤,并基于实测数据辨识模型参数。辨识结果表明S型惯性权重变异粒子群算法的拟合数据更接近于实测数据。与常规方法相比,改进算法具有更好的收敛速度和辨识精度,是一种较有效的辨识方法,适用于电力负荷模型的参数辨识。
二、基于现场实测的电力系统静态负荷模型参数辨识(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于现场实测的电力系统静态负荷模型参数辨识(论文提纲范文)
(1)基于改进蝴蝶算法的光伏综合负荷模型参数辨识(论文提纲范文)
0 引言 |
1 计及分布式光伏的综合负荷模型及参数辨识 |
1.1 负荷模型 |
1.2 光伏发电并网模型 |
1.3 SLM-DP参数辨识 |
2 基于改进蝴蝶算法的负荷模型参数辨识 |
2.1 惯性权重调整 |
2.2 最优位置干扰 |
2.3 飞行干扰因子 |
2.4 基于改进蝴蝶算法的参数辨识算法步骤 |
3 仿真算例及算法比较 |
3.1 多算法效果对比 |
3.2 实测短路试验数据算例验证 |
4 结论 |
(2)计及变频异步电机的电力系统负荷建模研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 负荷建模的发展与研究现状 |
1.2.1 负荷建模的研究现状 |
1.2.2 计及变频电机的研究现状 |
1.3 本课题的主要研究内容 |
2 负荷建模的基本理论 |
2.1 负荷模型结构 |
2.1.1 常用负荷模型 |
2.1.2 静态负荷模型 |
2.1.3 动态负荷模型 |
2.2 负荷建模方法 |
2.2.1 故障拟合法 |
2.2.2 总体测辨法 |
2.2.3 统计综合法 |
2.3 本章小结 |
3 变频异步电机与传统异步电机的响应特性对比 |
3.1 变频异步电机的工作原理与仿真建模 |
3.1.1 变频异步电机的工作原理 |
3.1.2 变频异步电机的仿真建模 |
3.2 变频异步电机与传统异步电机的有功无功响应对比 |
3.2.1 不同电压跌落下的有功无功响应对比 |
3.2.2 不同频率跌落下的有功无功响应对比 |
3.3 本章小结 |
4 变频异步电机的等效负荷建模 |
4.1 变频异步电机数学简化模型 |
4.2 变频异步电机的负荷模型参数辨识 |
4.2.1 参数辨识方法 |
4.2.2 最小二乘法拟合 |
4.2.3 评价指标 |
4.3 参数辨识结果验证 |
4.3.1 参数辨识结果 |
4.3.2 辨识曲线分析 |
4.4 本章小结 |
5 基于PSASP用户自定义的负荷建模 |
5.1 PSASP的用户自定义模型方法 |
5.2 暂态仿真中的用户自定义负荷模型接口实现 |
5.2.1 自定义负荷模型实现过程 |
5.2.2 自定义负荷模型分析 |
5.3 不同比例的负荷模型对比 |
5.4 等效模型对电压稳定性的影响 |
5.5 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
个人简历、在学期间发表的学术论文及取得的研究成果 |
(3)电力电子化电力系统动态负荷建模与参数辨识研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究的背景及意义 |
1.1.1 电力负荷建模的背景及意义 |
1.1.2 电力电子化电力系统发展趋势 |
1.1.3 电力电子化电力系统负荷建模重要意义 |
1.2 负荷建模的发展现状 |
1.2.1 负荷建模的发展过程 |
1.2.2 负荷建模的研究现状 |
1.3 电力电子化电力系统负荷建模存在的问题 |
1.4 本文的研究内容与章节安排 |
2 负荷建模的基本理论 |
2.1 负荷建模方法 |
2.1.1 统计综合法 |
2.1.2 总体测辨法 |
2.1.3 故障仿真法 |
2.2 负荷模型结构研究 |
2.2.1 静态负荷模型 |
2.2.2 动态负荷模型 |
2.2.3 综合负荷模型 |
2.3 参数辨识方法 |
2.4 电力电子化电力系统负荷建模研究方法 |
2.4.1 电力电子化负荷建模研究框架 |
2.4.2 电力电子化负荷模型结构 |
2.4.3 电力电子化负荷辨识策略 |
2.5 本章小结 |
3 电力系统动态负荷建模 |
3.1 电力电子化的动态负荷模型 |
3.1.1 建模思路 |
3.1.2 逆变器控制原理 |
3.2 动态负荷建模 |
3.2.1 网侧电源和整流部分建模 |
3.2.2 感应电机数学模型 |
3.2.3 V/F控制的逆变器数学模型 |
3.2.4 直流支路的中间变量数学模型 |
3.2.5 全系统数学模型 |
3.3 仿真验证 |
3.3.1 电压扰动验证动态模型 |
3.3.2 频率扰动验证动态模型 |
3.3.3 电压与频率扰动验证动态模型 |
3.4 灵敏性分析 |
3.4.1 系统灵敏度分析理论 |
3.4.2 负荷模型参数灵敏度分析 |
3.5 本章小结 |
4 基于粒子群算法的动态负荷参数辨识 |
4.1 粒子群算法的辨识原理 |
4.1.1 粒子群算法概述 |
4.1.2 粒子群算法的步骤与流程 |
4.2 实测数据获取及预处理 |
4.2.1 实测数据的获取 |
4.2.2 实测数据预处理 |
4.3 参数辨识与分析 |
4.3.1 粒子群算法的目标函数选择 |
4.3.2 参数设置方案 |
4.3.3 辨识结果 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
个人简历、在学期间发表的学术论文及取得的研究成果 |
(4)基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 负荷建模工作发展及研究现状 |
1.3 参数辨识工作发展及研究现状 |
1.4 本文工作概述 |
2 负荷模型及负荷参数辨识分析 |
2.1 负荷模型基本结构研究 |
2.1.1 静态负荷模型 |
2.1.2 动态负荷模型 |
2.1.3 综合负荷模型 |
2.2 负荷建模方法研究 |
2.2.1 统计综合法 |
2.2.2 总体测辨法 |
2.2.3 故障仿真法 |
2.3 负荷参数辨识方法分析 |
2.3.1 系统辨识理论 |
2.3.2 负荷模型参数辨识方法 |
2.4 数据来源与预处理技术 |
2.4.1 WAMS/PMU原理及数据特点分析 |
2.4.2 数据预处理研究 |
3 基于自适应卡尔曼滤波的负荷参数辨识 |
3.1 引言 |
3.2 综合负荷模型及参数介绍 |
3.3 自适应卡尔曼滤波算法 |
3.3.1 适用于负荷模型辨识的传统卡尔曼滤波方法 |
3.3.2 改进的Sage-Husa自适应卡尔曼滤波计算方法 |
3.3.3 系统噪声选定方法 |
3.3.4 数据处理方法 |
3.4 算例分析 |
3.5 本章小结 |
4 基于遗传算法优化的自适应卡尔曼滤波模型参数辨识 |
4.1 引言 |
4.2 基于遗传算法优化的AKF结构 |
4.3 基于遗传算法优化的AKF辨识参数的实现 |
4.3.1 初始化设计 |
4.3.2 混合无重选择算子设计 |
4.3.3 自适应交叉算子设计 |
4.3.4 高斯近似变异算子设计 |
4.4 算例分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简历 |
(5)托卡马克核聚变装置配网负荷分析及其稳定性机理研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 托卡马克核聚变装置变配电系统概述 |
1.1.1 变配电需求概述 |
1.1.2 国内外聚变装置变配电系统现状 |
1.2 变配电稳定性分析现状 |
1.2.1 电压稳定性能分析现状 |
1.2.2 脉冲性负荷与电网交互影响 |
1.3 选题背景和本文主要工作 |
1.3.1 本文选题的背景 |
1.3.2 本文完成的主要工作 |
第2章 托卡马克装置变配电功能需求分析及拓扑设计 |
2.1 核聚变装置变配电系统功能需求分析 |
2.1.1 负荷种类分析 |
2.1.2 电压等级选择 |
2.1.3 配网结构需求分析 |
2.2 核聚变装置变配电结构方案设计 |
2.2.1 拓扑结构设计 |
2.2.2 无功补偿系统容量 |
2.3 计算及验证 |
2.3.1 潮流计算 |
2.3.2 短路电流计算 |
2.3.3 系统稳定计算及冲击负荷及谐波影响 |
2.4 本章小结 |
第3章 托卡马克稳态负荷模型分析与电压稳定性研究 |
3.1 静态负荷模型 |
3.2 动态负荷模型 |
3.2.1 动态机理模型 |
3.2.2 铭牌参数辨识 |
3.3 静态稳定性分析方法 |
3.3.1 电力传输系统特性 |
3.3.2 静态分析的基本方法 |
3.3.3 连续潮流法 |
3.3.4 算例分析 |
3.4 暂态电压稳定性机理研究 |
3.4.1 受端电压暂态失稳机理 |
3.4.2 感应电动机暂态稳定性 |
3.4.3 时域仿真法 |
3.4.4 算例分析 |
3.5 本章小结 |
第4章 托卡马克脉冲及综合负荷模型与稳定性指标分析 |
4.1 托卡马克脉冲及综合负荷模型 |
4.1.1 动态非机理模型 |
4.1.2 磁体电源冲击性负荷模型 |
4.1.3 综合负荷模型 |
4.1.4 脉冲负荷模型算例 |
4.2 脉冲性负荷稳定性指标 |
4.2.1 基于出口短路容量的稳定性指标 |
4.2.2 极向场磁体电源负荷稳定性指标 |
4.3 本章小结 |
第5章 大功率磁体电源负荷交直流交互运行机理研究 |
5.1 交直流交互系统 |
5.1.1 交直流系统强度 |
5.1.2 多变流器相互影响 |
5.2 换相电抗对变流器运行影响 |
5.2.1 换相缺口 |
5.2.2 换相电抗对谐波的影响 |
5.3 谐振过电压及谐波放大 |
5.3.1 谐振过电压 |
5.3.2 系统谐振频率及放大倍数 |
5.4 算例分析 |
5.4.1 短路容量对电压缺口的影响 |
5.4.2 换相电抗与变流器运行间相互影响 |
5.4.3 谐波放大倍数 |
5.4.4 抑制谐波放大 |
5.5 本章小结 |
第6章 中国聚变工程实验堆变配电站设计分析与研究 |
6.1 CFETR变配电系统方案结构设计 |
6.2 潮流及短路计算 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 全文工作总结 |
7.2 研究成果及创新点 |
7.3 工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文 |
(6)电力系统负荷模型的典型参数分析与辨识方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 负荷建模研究现状 |
1.2.2 负荷特性分类方法 |
1.2.3 负荷模型辨识方法 |
1.3 本文的主要工作和章节安排 |
第2章 电力负荷的数学模型及建模方法 |
2.1 负荷模型类型 |
2.1.1 静态负荷模型 |
2.1.2 动态负荷模型 |
2.2 负荷建模方法 |
2.2.1 统计综合法 |
2.2.2 总体测辨法 |
2.2.3 故障仿真法 |
2.3 本章小结 |
第3章 感应电动机负荷的暂态模型参数调研与填补 |
3.1 感应电动机负荷的机电暂态模型 |
3.2 感应电动机的参数调研与缺失特点 |
3.3 感应电动机缺失参数值的填补 |
3.3.1 数据的填补方法 |
3.3.2 转矩系数的填补 |
3.3.3 初始滑差的填补 |
3.4 本章小结 |
第4章 感应电动机的聚类及典型参数的分析 |
4.1 聚类指标的确定 |
4.2 电动机聚类算法 |
4.3 感应电动机的聚类分析 |
4.3.1 电动机仿真结果分析 |
4.3.2 电动机聚类结果分析 |
4.4 感应电动机典型参数值的提取 |
4.4.1 典型电动机参数值的提取 |
4.4.2 典型参数值的有效性评估 |
4.5 感应电动机典型参数值的分析 |
4.5.1 典型参数值的影响性分析 |
4.5.2 典型电动机的稳定性分析 |
4.6 本章小结 |
第5章 基于遗传蚁群算法的负荷模型参数辨识方法 |
5.1 故障录波数据处理 |
5.1.1 故障录波数据特点分析 |
5.1.2 故障录波数据去噪处理 |
5.2 基于轨迹灵敏度的综合负荷模型参数灵敏度分析 |
5.2.1 负荷模型参数的轨迹灵敏度计算方法 |
5.2.2 负荷模型参数的轨迹灵敏度结果分析 |
5.3 基于遗传蚁群混合优化的负荷模型参数辨识方法 |
5.3.1 基于轨迹灵敏度的负荷模型参数取值调整策略 |
5.3.2 基于遗传蚁群混合优化算法的负荷模型参数辨识方法 |
5.4 负荷模型参数辨识的算例分析 |
5.4.1 基于仿真数据的算法辨识效果分析 |
5.4.2 基于实测数据的算法辨识结果分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
附录 A: 224 台感应电动机的参数值及缺失参数填补值 |
附录 B: 7类电动机的参数分布 |
附录 C: 7类电动机的聚类中心与其典型参数的仿真曲线对比 |
附录 D: 攻读硕士学位期间发表论文情况 |
(7)冷热电联供系统负荷建模与优化研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 负荷建模研究现状 |
1.2.1 负荷建模的发展及模型分类 |
1.2.2 负荷建模的研究方法 |
1.2.3 负荷模型参数辨识的优化方法 |
1.3 研究内容与章节安排 |
1.3.1 研究内容 |
1.3.2 论文组成与章节安排 |
2 冷热电联供系统原理与负荷建模理论 |
2.1 冷热电联供系统原理与类型 |
2.1.1 动力系统 |
2.1.2 制冷系统 |
2.1.3 制热系统 |
2.1.4 主要系统类型 |
2.2 负荷模型结构 |
2.3 小结 |
3 冷热电联供系统模型与负荷建模 |
3.1 静态负荷建模常用方法 |
3.2 动态负荷建模常用方法 |
3.2.1 动态负荷模型的时变性 |
3.2.2 动态负荷模型参数修正 |
3.3 冷热电联供系统模型与负荷建模 |
3.3.1 冷热电联供系统模型 |
3.3.2 三联供系统负荷建模 |
3.4 小结 |
4 改进苍狼算法与参数辨识方法研究 |
4.1 粒子群算法原理 |
4.1.1 粒子群算法基本原理 |
4.1.2 改进的粒子群优化算法 |
4.2 苍狼算法原理 |
4.3 改进型苍狼算法原理 |
4.3.1 非线性收敛因子 |
4.3.2 动态权重 |
4.4 算法收敛速度对比分析 |
4.5 参数辨识方法理论结果对比 |
4.5.1 改进型粒子群算法仿真计算结果 |
4.5.2 苍狼算法仿真计算结果 |
4.5.3 改进型苍狼算法仿真计算结果 |
4.5.4 计算结果对比 |
4.6 小结 |
5 冷热电联供系统负荷建模平台 |
5.1 MATLAB/GUI简介 |
5.2 建模平台设计方案 |
5.3 建模平台组成界面 |
5.3.1 登录界面 |
5.3.2 软件主界面 |
5.3.3 数据库操作界面 |
5.3.4 负荷模型选择界面 |
5.3.5 参数辨识界面 |
5.4 建模平台工作演示 |
5.5 小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 存在问题及展望 |
攻读学位期间参加的科研项目及发表的学术论文 |
致谢 |
参考文献 |
(8)面向智能调度的广义综合负荷建模方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 智能调度背景下的负荷建模的研究意义 |
1.1.1 智能调度在智能电网建设中的地位与作用 |
1.1.2 面向智能调度的负荷建模 |
1.2 电力系统负荷建模研究现状 |
1.2.1 综合负荷模型结构 |
1.2.2 负荷建模方法 |
1.2.3 基于统计综合的负荷建模方法 |
1.2.4 基于总体测辨的负荷建模方法 |
1.3 智能调度背景下的广义综合负荷建模 |
1.3.1 智能调度发展现状 |
1.3.2 智能调度背景下的广义负荷建模 |
1.4 本文研究思路与技术路线 |
1.5 本文主要工作和章节安排 |
第2章 考虑配电网电压特性的综合负荷建模 |
2.1 引言 |
2.2 当前已有综合负荷模型的结构特点及其不足 |
2.2.1 经典综合负荷模型 |
2.2.2 考虑配电网影响的综合负荷模型 |
2.2.3 派生模型 |
2.3 配电网建模的必要性及其等值模型 |
2.3.1 配电网建模的必要性 |
2.3.2 配电网中的高压网络的等值模型 |
2.4 考虑配电网电压特性的综合负荷模型 |
2.5 PI-CLM的数学方程 |
2.5.1 等效阻抗功率电压平衡方程 |
2.5.2 Π型电路有关方程 |
2.5.3 感应电动机方程 |
2.5.4 静态负荷方程 |
2.6 PI-CLM参数与辨识 |
2.6.1 模型参数及其辨识策略 |
2.6.2 模型初始化 |
2.6.3 模型参数辨识步骤 |
2.7 建模检验 |
2.7.1 建模数据说明 |
2.7.2 自描述及其对应的泛化能力 |
2.7.3 反映配电网调压的能力 |
2.7.4 反映负荷母线电压的能力 |
2.7.5 模型参数稳定性 |
2.7.6 讨论 |
2.8 PI-CLM两种结构的性能比较 |
2.8.1 模型描述性能 |
2.8.2 辨识结果稳定性比较 |
2.9 本章小结 |
第3章 含光伏发电系统的配网侧广义负荷建模 |
3.1 引言 |
3.2 并网光伏发电系统仿真模型与控制 |
3.2.1 光伏电池模型 |
3.2.2 MPP跟踪方法 |
3.2.3 滤波器的设计 |
3.2.4 并网控制策略 |
3.2.5 光伏发电系统的仿真 |
3.3 光伏发电系统动态特征及其动态模型 |
3.3.1 光伏发电系统动态特征 |
3.3.2 光伏发电系统的动态模型及其数学描述 |
3.3.3 模型参数与辨识 |
3.3.4 仿真实验 |
3.4 含光伏发电系统的配电网广义综合负荷模型及其参数辨识 |
3.4.1 广义综合负荷模型结构 |
3.4.2 广义综合负荷模型的等值电路及其数学方程 |
3.4.3 广义综合负荷模型参数及其辨识 |
3.5 建模检验 |
3.5.1 建模数据说明 |
3.5.2 模型的自描述能力及其对应的泛化能力 |
3.5.3 模型参数的稳定性 |
3.5.4 模型性能的进一步检验 |
3.6 本章小结 |
第4章 BESS动态模型 |
4.1 引言 |
4.2 储能电池单体模型 |
4.2.1 电池单体模型结构 |
4.2.2 单体电池模型仿真 |
4.3 BESS并网控制策略 |
4.4 BESS动态特征及其动态模型 |
4.4.1 BESS动态特征 |
4.4.2 BESS的动态模型及其数学描述 |
4.5 模型参数与辨识 |
4.5.1 模型参数 |
4.5.2 初始化过程 |
4.5.3 参数辨识步骤 |
4.6 仿真实验 |
4.6.1 模型的描述性能 |
4.6.2 模型的泛化能力 |
4.6.3 模型对BESS在吸收功率状态下的描述性能 |
4.6.4 讨论 |
4.7 URT模型的改进 |
4.7.1 URT模型的改进方法 |
4.7.2 G_URT模型性能的进一步验证 |
4.8 本章小结 |
第5章 含BESS的配网侧广义负荷建模 |
5.1 引言 |
5.2 接入BESS对配网侧综合负荷动特性的影响 |
5.2.1 接入不同容量比例条件下广义综合负荷的动态特性 |
5.2.2 不同动态负荷比例条件下广义综合负荷动态特性 |
5.3 含BESS的广义综合负荷模型及其描述 |
5.3.1 广义综合负荷模型结构 |
5.3.2 广义综合负荷模型的等值电路及其数学方程 |
5.4 广义综合负荷模型参数及其辨识 |
5.4.1 模型参数及其辨识策略 |
5.4.2 模型初始化 |
5.4.3 模型参数辨识步骤 |
5.5 建模检验 |
5.5.1 建模数据说明 |
5.5.2 模型的自描述能力及其对应的泛化能力 |
5.5.3 模型参数稳定性 |
5.5.4 模型参数稳定性的进一步检验 |
5.5.5 模型对BESS在吸收功率状态下的描述性能 |
5.5.6 讨论 |
5.6 本章小结 |
第6章 面向智能调度的实时负荷建模平台 |
6.1 引言 |
6.2 关键理论技术问题与设计原则 |
6.2.1 关键理论技术问题 |
6.2.2 设计原则 |
6.3 平台架构设计 |
6.4 工程应用示例 |
6.5 本章小结 |
结论 |
参考文献 |
附录A (攻读学位期间发表的学术成果) |
附录B (攻读学位期间参加的科研工作) |
致谢 |
(9)基于改进遗传编程的负荷建模研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 电力系统负荷建模的研究背景和意义 |
1.2 电力系统负荷建模的发展和现状 |
1.3 遗传编程的研究背景和意义 |
1.4 本文的研究内容 |
2 负荷模型的结构及参数辨识 |
2.1 负荷模型的结构研究 |
2.1.1 静态负荷模型 |
2.1.2 动态负荷模型 |
2.1.3 综合负荷模型 |
2.2 负荷模型的参数辨识 |
2.2.1 负荷模型参数辨识的原理 |
2.2.2 负荷模型参数辨识的方法 |
2.2.3 静态负荷模型的参数辨识 |
2.2.4 动态负荷模型的参数辨识 |
2.3 常见设备负荷特性研究 |
2.4 小结 |
3 遗传编程及其改进 |
3.1 遗传编程的基本理论 |
3.1.1 遗传编程的理论描述 |
3.1.2 遗传编程与遗传算法的异同 |
3.1.3 个体的描述方法 |
3.1.4 初始群体的生成 |
3.1.5 遗传算子的操作 |
3.1.6 适应度评价与终止准则 |
3.2 遗传编程的基本参数 |
3.3 遗传编程的改进 |
3.4 小结 |
4 改进遗传编程的静态建模研究 |
4.1 实验环境的选择 |
4.2 静态建模仿真实验 |
4.3 仿真结果对比分析 |
4.4 小结 |
5 改进遗传编程的动态建模研究 |
5.1 基本参数设置 |
5.2 动态建模仿真实验 |
5.3 小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文及研究成果 |
(10)基于改进粒子群算法的电力负荷模型参数辨识研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 参数辨识的发展和研究现状 |
1.3 本文的研究内容和主要工作 |
第2章 电力负荷模型的结构研究 |
2.1 静态负荷建模 |
2.1.1 幂函数模型 |
2.1.2 多项式模型 |
2.2 动态负荷建模 |
2.2.1 机理动态负荷模型 |
2.2.2 非机理动态负荷模型 |
2.3 感应电机模型的时域仿真 |
2.3.1 感应电机模型的初始状态求解 |
2.3.2 感应电机模型的动态过程求解 |
2.3.3 感应电机模型的时域仿真和结果分析 |
2.4 本章小结 |
第3章 S型惯性权重变异粒子群算法的改进研究 |
3.1 负荷模型参数辨识原理 |
3.2 基本粒子群算法 |
3.2.1 粒子群算法理论 |
3.2.2 粒子群算法的步骤与流程 |
3.3 带惯性权重的粒子群算法 |
3.3.1 线性递减惯性权重粒子群算法 |
3.3.2 收缩因子粒子群算法 |
3.4 粒子群算法的改进 |
3.4.1 S型惯性权重理论 |
3.4.2 S型惯性权重的构造 |
3.4.3 自适应惯性权重和变异算子 |
3.5 算法测试函数 |
3.6 S型惯性权重参数的确定 |
3.7 改进粒子群算法的优化性能测试 |
3.8 本章小结 |
第4章 基于改进粒子群算法的静态负荷模型参数辨识 |
4.1 静态负荷模型的选择 |
4.2 静态负荷模型的参数辨识 |
4.2.1 静态负荷模型参数辨识算例一 |
4.2.2 静态负荷模型参数辨识算例二 |
4.3 辨识结果分析 |
4.4 本章小结 |
第5章 基于改进粒子群算法的动态负荷模型参数辨识 |
5.1 静态模型拟合突变负荷 |
5.2 动态负荷模型待辨识参数向量 |
5.3 感应电机模型初始滑差求解 |
5.4 动态模型参数辨识流程和步骤 |
5.5 动态模型的参数辨识 |
5.6 辨识结果分析 |
5.7 本章小结 |
结论 |
参考文献 |
攻读学位期间公开发表论文 |
致谢 |
附录 |
研究生履历 |
四、基于现场实测的电力系统静态负荷模型参数辨识(论文参考文献)
- [1]基于改进蝴蝶算法的光伏综合负荷模型参数辨识[J]. 亢朋朋,朱思宇,王衡,樊国伟,杨桂兴. 可再生能源, 2021(11)
- [2]计及变频异步电机的电力系统负荷建模研究[D]. 周衡. 重庆理工大学, 2021(02)
- [3]电力电子化电力系统动态负荷建模与参数辨识研究[D]. 杨淞淇. 重庆理工大学, 2021(02)
- [4]基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究[D]. 李红霞. 浙江大学, 2021(08)
- [5]托卡马克核聚变装置配网负荷分析及其稳定性机理研究[D]. 王俊家. 中国科学技术大学, 2020(01)
- [6]电力系统负荷模型的典型参数分析与辨识方法研究[D]. 梁涛. 浙江大学, 2020(12)
- [7]冷热电联供系统负荷建模与优化研究[D]. 张翔宇. 华北水利水电大学, 2019(01)
- [8]面向智能调度的广义综合负荷建模方法研究[D]. 屈星. 湖南大学, 2018(06)
- [9]基于改进遗传编程的负荷建模研究[D]. 王俊. 郑州大学, 2016(02)
- [10]基于改进粒子群算法的电力负荷模型参数辨识研究[D]. 沈良雄. 大连海事大学, 2013(09)