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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、電力負(fù)荷是電力系統(tǒng)的重要組成部分,對電力系統(tǒng)的穩(wěn)定運(yùn)行具有重要影響。隨著對電力負(fù)荷研究的深入,負(fù)荷的數(shù)學(xué)模型已較為成熟,但由于負(fù)荷自身的復(fù)雜性使得模型參數(shù)的獲取變得困難,而參數(shù)準(zhǔn)確程度又直接影響了負(fù)荷模型的有效性,因此研究負(fù)荷模型的參數(shù)辨識具有重要意義。
本文分析了電力系統(tǒng)靜態(tài)和動態(tài)負(fù)荷模型,運(yùn)用時域仿真法對感應(yīng)電機(jī)啟動、平穩(wěn)運(yùn)行中受擾動的暫態(tài)過程進(jìn)行數(shù)值仿真,結(jié)果證明了所采用數(shù)學(xué)模型和數(shù)值算法的正確性。針對線性遞減慣性權(quán)
2、重和收縮因子粒子群算法存在“早熟”和遍歷性不足的問題,提出了一種基于S型慣性權(quán)重的變異粒子群算法。通過多個標(biāo)準(zhǔn)測試函數(shù)對改進(jìn)算法進(jìn)行綜合測試,驗證了該算法具有收斂速度快和搜索精度高的優(yōu)點(diǎn),適用于負(fù)荷模型的參數(shù)辨識。其次,分析了冪函數(shù)和二項式形式的靜態(tài)負(fù)荷模型結(jié)構(gòu)特點(diǎn),指出二項式模型參數(shù)辨識結(jié)果不唯一的原因。然后基于實測負(fù)荷數(shù)據(jù)對此進(jìn)行驗證,得出辨識結(jié)果是否唯一與模型結(jié)構(gòu)有關(guān)的結(jié)論。以此為依據(jù),選擇冪函數(shù)模型作為負(fù)荷靜態(tài)模型,并基于改進(jìn)粒
3、子群算法對其進(jìn)行參數(shù)辨識。通過將靜態(tài)模型對實際負(fù)荷突變情況進(jìn)行擬合,證明了靜態(tài)負(fù)荷模型描述性能的局限性。最后,對動態(tài)模型進(jìn)行初始狀態(tài)求解,運(yùn)用四階龍格-庫塔法推導(dǎo)模型的迭代方程,結(jié)合改進(jìn)粒子群算法設(shè)計出動態(tài)模型參數(shù)辨識的仿真步驟,并基于實測數(shù)據(jù)辨識模型參數(shù)。
辨識結(jié)果表明S型慣性權(quán)重變異粒子群算法的擬合數(shù)據(jù)更接近于實測數(shù)據(jù)。與常規(guī)方法相比,改進(jìn)算法具有更好的收斂速度和辨識精度,是一種較有效的辨識方法,適用于電力負(fù)荷模型的參
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于改進(jìn)粒子群算法的短期電力負(fù)荷組合預(yù)測模型的研究.pdf
- 基于改進(jìn)粒子群算法的邊坡工程參數(shù)辨識研究.pdf
- 電力綜合負(fù)荷模型參數(shù)辨識算法研究.pdf
- 電力負(fù)荷模型參數(shù)辨識與分類算法研究.pdf
- 改進(jìn)粒子群算法在電力負(fù)荷預(yù)測中的應(yīng)用.pdf
- 基于協(xié)同粒子群算法的PMSM在線參數(shù)辨識.pdf
- 基于粒子群優(yōu)化算法的短期電力負(fù)荷預(yù)測.pdf
- 改進(jìn)粒子群算法在電力負(fù)荷組合預(yù)測中的應(yīng)用研究.pdf
- 基于改進(jìn)粒子群算法的模型降階.pdf
- 基于改進(jìn)粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)負(fù)荷分配.pdf
- 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.pdf
- 基于改進(jìn)粒子群算法求解雙層規(guī)劃模型的研究.pdf
- 基于云模型的改進(jìn)粒子群算法研究與應(yīng)用.pdf
- 基于QPSO算法的綜合負(fù)荷模型參數(shù)辨識與負(fù)荷建模平臺.pdf
- 基于改進(jìn)粒子群優(yōu)化的船舶縱搖和升沉運(yùn)動參數(shù)辨識.pdf
- 基于改進(jìn)粒子群優(yōu)化算法的PID參數(shù)整定研究.pdf
- 基于改進(jìn)粒子群算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 基于粒子群算法的可中斷負(fù)荷的研究.pdf
- 基于PMU的負(fù)荷模型參數(shù)辨識.pdf
- 基于改進(jìn)粒子群算法的交通控制算法研究.pdf
評論
0/150
提交評論