版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、電力系統(tǒng)建模是電力系統(tǒng)分析、規(guī)劃設(shè)計、運行和控制等領(lǐng)域的共性科學(xué)問題和關(guān)鍵技術(shù),而負荷建模則是電力系統(tǒng)建模中亟待解決的難題。建立能夠反映負荷特性的準確負荷模型對電力系統(tǒng)仿真和安全穩(wěn)定運行至關(guān)重要。為此,本文從負荷特性分類和參數(shù)辨識兩個方面進行深入地研究。具體包括以下幾個方面的工作:
(1)對變電站負荷特性分類與綜合進行深入研究。采用SOM神經(jīng)網(wǎng)絡(luò)對變電站負荷構(gòu)成特征向量進行分類并根據(jù)分類結(jié)果選取典型變電站。在此基礎(chǔ)上,對新增變
2、電站的分類進行深入的研究,并對SOM神經(jīng)網(wǎng)絡(luò)分類的正確性、精確性分別進行了仿真分析和驗證。
(2)對負荷動特性分類進行研究。在對目前常用的負荷動特性特征向量進行分析的基礎(chǔ)上,提出了基于提升小波包變換的負荷動特性特征提取方法。采用提升小波包變換對負荷實測擾動響應(yīng)數(shù)據(jù)進行分解與重構(gòu),提取小波重構(gòu)系數(shù)并構(gòu)造能夠反映負荷動特性的能量矩特征向量。通過對仿真數(shù)據(jù)和實測數(shù)據(jù)進行特征提取和分類測試,驗證了提升小波包變換用于負荷動特性特征提取的
3、有效性和合理性。通過與傳統(tǒng)小波包變換的對比表明,提升小波包變換在計算速度和計算精度上的優(yōu)勢,提高了負荷動特性分類的準確性。
(3)考慮到量子粒子群算法的全局搜索能力和混沌優(yōu)化算法的局部搜索能力,將兩種算法相結(jié)合用于負荷模型參數(shù)辨識。利用現(xiàn)場實測的故障錄波數(shù)據(jù),選取冪函數(shù)+差分方程負荷模型進行參數(shù)辨識,驗證了所采用方法的有效性。通過與PSO算法和量子粒子群算法進行對比,驗證了混沌量子粒子群算法具有收斂速度快、收斂精度高的優(yōu)點。<
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 綜合負荷模型參數(shù)辨識及負荷特性分類綜合方法研究.pdf
- 負荷建模中的負荷特性分類與綜合方法的研究.pdf
- 負荷模型辨識與負荷特性的分類綜合方法研究.pdf
- 基于元件的負荷特性分類方法研究及負荷建模平臺開發(fā).pdf
- 基于QPSO算法的綜合負荷模型參數(shù)辨識與負荷建模平臺.pdf
- 變電站負荷特性分類與綜合負荷建模研究.pdf
- 電力負荷模型參數(shù)辨識與分類算法研究.pdf
- 負荷特性聚類與負荷模型辨識研究.pdf
- 負荷模型辨識算法研究及建模平臺開發(fā).pdf
- 靜態(tài)負荷模型與負荷動特性分類研究.pdf
- 基于PMU的負荷模型參數(shù)辨識.pdf
- 基于參數(shù)辨識的配電網(wǎng)非線性負荷特性分析.pdf
- 電力綜合負荷模型參數(shù)辨識算法研究.pdf
- 地區(qū)電網(wǎng)負荷模型辨識研究及建模平臺開發(fā).pdf
- 基于擴展卡爾曼濾波的動態(tài)負荷建模與參數(shù)辨識.pdf
- 感應(yīng)電動機負荷參數(shù)辨識及動態(tài)特性解析算法研究.pdf
- 負荷模型參數(shù)在線辨識與修正.pdf
- 基于廣域測量系統(tǒng)的同步發(fā)電機與負荷的建模及參數(shù)辨識.pdf
- 負荷密度與最優(yōu)供電方案分析和負荷模型在線參數(shù)辨識研究.pdf
- 負荷特性聚類和模型辨識研究.pdf
評論
0/150
提交評論