火电机组AGC指令及负荷响应曲线特征分析

摘要

随着市场化经济的逐步深入，电力作为一种商品，也应该“以质论价”。机组发电的质量应该从发电任务和任务完成情况两个方面来考核，单纯只考虑任务完成情况而忽略了任务的难易程度对于发电机组是不公平的。 考虑到电网“两个细则”对于发电的任务完成情况已经做了规定，本文从发电任务的角度出发，忽略电压质量，讨论发电任务的难易程度，从而为发电机组的发电质量提出衡量的指标。发电机组接收到的发电任务即为电网对其下发的自动发电控制(AGC)调度指令信号，因此本文着重对AGC指令信号进行研究。 本文从普通数据分析特征量和非线性复杂度两个方面分别对其进行研究。针对某1000MW火电机组一年的SIS平台数据进行深入分析，选取了峰值，均值，标准差，相邻差峰值四个常见的特征量进行对比分析，说明了指令信号的时间特性。 鉴于AGC指令信号的波动特性，本文选取了Kolmogrov复杂性和样本熵这两种非线性动力学复杂性测度，在不同的时间尺度对于指令信号进行分析，仿真结果表明样本熵相较于K复杂性具有较高的区分度。 针对Kolmogrov复杂性的“过分粗粒化”缺陷提出了小波K复杂性，将其与小波变换相结合，所得结果比较理想。通过负荷响应曲线的特征分析，对以上方法进行对比验证，发现改进后的小波K复杂性算法具有较好的表征效果。建议将小波K复杂性所得到的综合复杂度Com作为衡量任务难易程度的特征量。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 现阶段国内外研究成果

1．3 主要研究内容和文章结构

第2章 AGC指令信号简介

2．1 AGC控制服务

2．2 AGC指令信号基本特性

2．3 发电机组AGC考核

2．4 本章小结

第3章 AGC指令信号简单分析

3．1 AGC指令信号普通特征量选取

3．2 年、月时间尺度上AGC指令信号分析

3．3 日、小时时间尺度上AGC指令信号分析

3．3．1 峰值特征量比较

3．3．2 均值特征量比较

3．3．3 标准差特征量比较

3．3．4 相邻差峰值特征量比较

3．4 本章小结

第4章 AGC指令信号复杂性分析

4．1 AGC指令信号复杂性特征量选取

4．2 Kolmogorov复杂性

4．3 样本熵

4．4 特征量性能对比分析

4．5 负荷响应曲线验证

4．6 本章小结

第5章 小波K复杂性研究

5．1 K复杂性数据长度选取

5．2 基于小波变换的K复杂性

5．3 数据分析验证

5．3．1 信号多尺度复杂性分析

5．3．2 负荷响应曲线验证

5．4 本章小结

第6章 结论与展望

6．1 结论

6．2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢