

版權說明: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,請進行舉報或認領
文檔簡介
1、電力系統(tǒng)數(shù)字仿真具有經(jīng)濟性、便捷性等優(yōu)點,已成為電力系統(tǒng)設計規(guī)劃運行的重要工具,并且仿真的結果是電力系統(tǒng)相關決策的重要依據(jù)。電力系統(tǒng)負荷模型是數(shù)字仿真的基礎,各種類型負荷元件數(shù)學模型的精確程度直接影響到仿真結果的準確程度,從而影響以仿真結果為依據(jù)的決策方案的制定。隨著日益突出的電網(wǎng)動態(tài)穩(wěn)定和電壓穩(wěn)定等問題,眾多專家學者對負荷模型和參數(shù)對系統(tǒng)穩(wěn)定性的影響進行了深入的研究。電力系統(tǒng)負荷建模及仿真技術越來越需要考慮實際的負荷類型。電力系統(tǒng)中負
2、荷類型多種多樣,如何根據(jù)實際電力網(wǎng)絡的負荷情況選擇最優(yōu)的最能滿足負荷特性的負荷模型組合方案將會影響到數(shù)字仿真的精度。
本文以電力系統(tǒng)采集的負荷數(shù)據(jù)為研究對象,針對電力系統(tǒng)中負荷類型多種多樣,系統(tǒng)綜合負荷模型的組合方案不可能一一列出的問題,提出了一種通過建立負荷模型庫,以代表負荷模型投入情況的0-1邏輯變量為決策變量的最優(yōu)負荷模型自動選擇的方法:根據(jù)實際電力系統(tǒng)的負荷結構組合出各種動態(tài)等值模型,并且在眾多模型組合方案中自動選擇出
3、最優(yōu)的模型組合,并將傳統(tǒng)啟發(fā)式算法引入模型組合選擇和參數(shù)辨識的優(yōu)化求解過程。同時,考慮到負荷模型參數(shù)辨識過程中優(yōu)化計算方法選擇的不同,引入了自動微分技術。由于在負荷模型自動選擇的過程中,模型組合的種類很多,造成微分表達式的手工推導以及微分代碼的編寫工作非常繁瑣,而利用自動微分解決這些問題會顯得很高效,程序的開發(fā)效率也會顯著提高。
本文最后以實際電力網(wǎng)絡的激勵和響應數(shù)據(jù)為研究對象,通過對實際電網(wǎng)動態(tài)等值模型的自動選擇,得到所選模
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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
- 電力負荷模型結構的研究.pdf
- 電力負荷模型建立的研究.pdf
- 基于模型自組織原理的電力負荷自動建模的研究.pdf
- 短期電力負荷預測組合模型研究.pdf
- 短期電力負荷組合預測模型的研究.pdf
- 基于多指標模型的電力負荷預測研究.pdf
- 電力系統(tǒng)自動切負荷研究.pdf
- 電力綜合負荷模型參數(shù)辨識算法研究.pdf
- 中長期電力負荷預測模型研究.pdf
- 樂山市短期電力負荷預測模型研究.pdf
- 電力系統(tǒng)短期負荷預測模型研究.pdf
- 電力負荷模型參數(shù)辨識與分類算法研究.pdf
- 電力系統(tǒng)綜合負荷模型結構研究.pdf
- 電力負荷預測的無偏灰色預測模型研究.pdf
- 電力系統(tǒng)變結構負荷模型的研究.pdf
- 基于小波-灰色模型的電力負荷預測研究.pdf
- 基于決策樹的電力負荷預測模型研究.pdf
- 基于組合模型的電力負荷中長期預測研究.pdf
- 電力系統(tǒng)負荷建模理論的研究及ANN負荷模型的應用.pdf
- 電力系統(tǒng)短時負荷預測模型研究.pdf
評論
0/150
提交評論