发电厂励磁系统参数时域辨识

摘要

本文对小扰动下的励磁系统线性模型进行了参数辨识，并将其转化为中国电力科学研究院开发的仿真软件BPA下的标准模型。　　　本文对传统PLPF法进行了稳态值扣除处理和线性插值处理，使其不受零初值条件的限制，而且又选择神经网络进行辨识结果逼近，对辨识工作做出了进一步的探讨，仿真结果表明，神经网络确实提高了辨识精度，而且它们的结果可以互相核实。最后证明模型辨识结果符合电力系统的实际运行状况，时域PLPF法可以用来进行发电机组励磁系统参数的辨识。

目录

文摘

英文文摘

第一章绪论

1.1励磁系统参数辨识的意义

1.2本课题的国内外科研状况

1.3课题的主要工作

第二章励磁系统数学模型

2.1励磁系统数学模型的发展及现状

2.2励磁系统的组成及分类

2.3励磁控制系统的数学模型

2.3.1同步发电机的数学模型

2.3.2主励磁系统(励磁电源)的数学模型

2.3.3励磁调节器(AVR)的数学模型

2.3.4励磁系统BPA模型

2.4本课题的研究模型

2.4.1华北网的调查情况

2.4.2模型的确定

2.5小结

第三章励磁系统参数辨识方法

3.1系统辨识概述

3.2系统辨识方法

3.3系统辨识的步骤

3.3.1试验设计

3.3.2数学模型和辨识方法的选定

3.3.3模型结构和参数的辨识

3.3.4模型校验

3.4系统辨识在电力系统中的应用

3.4.1电力系统参数辨识的提出

3.4.2电力系统参数辨识的应用

3.5励磁系统辨识

3.5.1励磁系统参数辨识理论

3.5.2励磁系统参数辨识的特点

3.5.3励磁系统辨识方法选择

3.6小结

第四章现场试验及励磁系统参数辨识方法

4.1现场试验

4.1.1扰动方法

4.1.2现场测试技术及抗干扰措施

4.1.3现场测试

4.1.4试验波形及数据取得

4.2编程语言选择

4.3测试曲线的数据处理

4.3.1数据处理程序的总体结构

4.3.2测试曲线的处理过程

4.4分段线性多项式函数辨识法(PLPF)

4.4.1概述

4.4.2 PLPF法辨识原理

4.4.3程序结构

4.4.4程序算法

4.4.5模型参数辨识过程

4.5神经网络

4.5.1神经网络的发展概况

4.5.2人工神经元网络的主要优点

4.5.3线性神经网络

4.5.4神经网络模型建立与辨识

4.5小结

第五章励磁系统参数辨识结果及仿真校核

5.1 MATLAB仿真

5.1.1 MATLAB(Matrix Laborator)应用于励磁系统仿真

5.1.2 SIMULINK建立励磁系统模型

5.2 BPA仿真

5.2.1 BPA在电力系统研究中的应用

5.2.2 BPA卡片和控制程序

5.2.3 BPA模型建立

5.3仿真算例及分析

5.3.1算例一(天津大港4号机)

5.3.2算例二(国华三河电厂2号机)

5.3.3仿真结果分析比较

5.4小结

第六章结论及建议

参考文献

致谢

攻读学位期间发表的论文