基于CPSO优化的静止无功补偿控制方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 论文的选题背景及意义 | 第8-10页 |
| 1.1.1 无功功率对电力网络的影响 | 第8-9页 |
| 1.1.2 无功补偿的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 无功补偿设备发展历程 | 第10-11页 |
| 1.2.2 无功补偿控制技术研究 | 第11-13页 |
| 1.3 论文的主要工作与内容 | 第13-14页 |
| 第2章 SVC装置的种类及工作原理 | 第14-24页 |
| 2.1 TCR型SVC | 第14-18页 |
| 2.1.1 基本原理 | 第14-16页 |
| 2.1.2 接线方式 | 第16-18页 |
| 2.2 TSC型SVC | 第18-19页 |
| 2.3 TCR+TSC混合型 | 第19-20页 |
| 2.4 无源滤波器 | 第20页 |
| 2.5 TCR+FC型SVC无功补偿原理 | 第20-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第3章 SVC装置控制方法 | 第24-29页 |
| 3.1 SVC控制系统简介 | 第24页 |
| 3.2 SVC开环控制方式 | 第24-27页 |
| 3.2.1 斯坦门茨平衡化原理 | 第24-25页 |
| 3.2.2 基于对称分量法的补偿电纳公式 | 第25-27页 |
| 3.3 SVC分相闭环控制方式 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 改进的混沌粒子群优化算法 | 第29-43页 |
| 4.1 遗传算法 | 第29-31页 |
| 4.1.1 遗传算法基本原理 | 第29页 |
| 4.1.2 遗传算法描述 | 第29-31页 |
| 4.2 粒子群优化算法 | 第31-33页 |
| 4.2.1 粒子群算法起源 | 第31页 |
| 4.2.2 粒子群算法描述 | 第31-33页 |
| 4.3 粒子群算法与遗传算法比较 | 第33-34页 |
| 4.4 改进的粒子群优化算法 | 第34-41页 |
| 4.4.1 PSO参数改进 | 第34-35页 |
| 4.4.2 基于遗传算法的GA-PSO | 第35-37页 |
| 4.4.3 基于混沌理论的CPSO | 第37-41页 |
| 4.5 算法测试与分析 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 基于CPSO的SVC控制系统设计 | 第43-52页 |
| 5.1 非线性PI控制策略 | 第43-45页 |
| 5.2 有理插值函数法 | 第45-46页 |
| 5.3 切换模式设计 | 第46-50页 |
| 5.3.1 瞬时无功功率理论 | 第47-48页 |
| 5.3.2 基于瞬时无功功率理论的ip-iq算法 | 第48-50页 |
| 5.4 基于CPSO的控制器参数优化 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 系统仿真分析 | 第52-59页 |
| 6.1 仿真软件介绍 | 第52页 |
| 6.2 SVC系统仿真模型建立 | 第52-54页 |
| 6.2.1 控制系统的性能评价指标 | 第52-53页 |
| 6.2.2 仿真模型参数设置 | 第53-54页 |
| 6.3 SVC系统仿真结果分析 | 第54-58页 |
| 6.4 本章小结 | 第58-59页 |
| 第7章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65页 |
