<object id="uummm"></object><bdo id="uummm"><label id="uummm"></label></bdo>
  • <tbody id="uummm"><optgroup id="uummm"></optgroup></tbody><input id="uummm"></input>
  •  論文>電氣自動化/電力論文>基于PSASP和故障仿真法的負荷模型參數辨識

    基于PSASP和故障仿真法的負荷模型參數辨識

      
    編號:99-583264 | doc 格式 | 1.42M | 47 頁
    基于PSASP和故障仿真法的負荷模型參數辨識

    2.2萬字 47頁 原創作品,已通過查重系統


    摘要
    電力負荷模型是用一個“負荷”來代替眾多用電設備的集合,而其模型結構和負荷參數對電力系統仿真計算具有顯著影響,所以負荷建模日益受到電力學術界和工程界的重視。在此文獻中提出了包括配電網和電力負荷的綜合負荷模型。分析了CLM(Classic Load Models)和SLM(Synthesis Load Models)這兩種負荷模型,并將兩個模型進行比較。配電網的等值阻抗在CLM模型中實際上并不直接考慮,而是加在電動機的等值定子阻抗上的,是一種間接考慮配電網的模型結構。這個負荷模型是電力系統綜合穩定計算(以下簡稱PSASP)程序中的標準模型。SLM模型中除了模擬了等值靜態負荷和等值電動機負荷,還新考慮了等值配電網絡以及電容補償。是一種直接考慮配電網的模型結構。
    在確定了模型結構以后,參數辨識就成了負荷建模的重點。首先利用軌跡靈敏度判斷了負荷模型的參數可辨識性,經過計算負荷模型的三個參數(定子電抗 、轉子電阻 、初始負載率系數 )都是可以辨識的。負荷模型的參數辨識問題是一個連續空間的優化問題,本文采用粒子群算法(PSO)對負荷模型的參數進行辨識。PSO算法是一種很好的優化工具,與其他進化算法相類似,PSO算法是通過個體間的協作與競爭,實現復雜空間中最優解的搜索。本次研究基于粒子群優化算法,通過一個故障仿真實例對負荷進行了參數辨識。將仿真得到的參數與實際參數比較,參數辨識誤差非常小,利用辨識出的參數進行動態仿真與真實參數仿真得到的曲線擬合誤差非常小,驗證了粒子群算法進行負荷模型參數辨識的有效性。


    關鍵詞:電力系統;負荷模型;參數辨識;軌跡靈敏度;粒子群算法

      
    關于我們 聯系我們 幫助中心 支付方式  侵權處理 免責聲明 友情鏈接 網站地圖
      蜀ICP備11006018-1
    辽宁11选5走势