首页--工业技术论文--电工技术论文--发电、发电厂论文--各种发电论文--风能发电论文

高风电渗透率下自动发电实时控制及其频率稳定研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 引言第12-18页
    1.1 课题研究背景及意义第12-14页
        1.1.1 风能和智能电网的发展及背景第12-13页
        1.1.2 大规模风电并网对电力系统的影响第13-14页
    1.2 国内外研究现状第14-16页
        1.2.1 含风电场的AGC负荷控制第14-15页
        1.2.2 含风电场的AGC频率稳定控制第15页
        1.2.3 高风电渗透背景下AGC的有功控制和经济调度研究现状第15-16页
    1.3 本文研究的主要内容第16-18页
2 含大规模风电的AGC控制策略及目标第18-26页
    2.1 AGC系统概述第18-21页
        2.1.1 自动发电控制的基本原理第18-20页
        2.1.2 电力系统运行目标第20-21页
        2.1.3 AGC控制目标第21页
    2.2 含风电的AGC机组控制策略第21-26页
        2.2.1 AGC机组控制策略数学模型第22-24页
        2.2.2 含风电场的AGC运行成本第24-26页
3 含风电电力系统负荷频率控制研究第26-54页
    3.1 电力系统的频率调整第26-29页
    3.2 风机模型和负荷模型第29-32页
    3.3 互联电力系统负荷频率控制的数学模型第32-37页
        3.3.1 互联系统控制区的典型控制模式第33页
        3.3.2 互联系统模型结构第33-34页
        3.3.3 系统各部分的动态数学模型第34-37页
    3.4 互联系统负荷频率控制(LFC)优化设计第37-48页
        3.4.1 基于粒子群优化的互联系统负荷频率PI控制器设计第37-38页
        3.4.2 粒子群算法的原理第38-40页
        3.4.3 粒子群的改进算法第40-42页
        3.4.4 仿真分析第42-48页
    3.5 基于模糊-PI控制器的设计第48-53页
        3.5.1 模糊控制器的设计第48-51页
        3.5.2 模糊-PI控制器的设计及仿真第51-53页
    3.6 本章小结第53-54页
4 基于D-SWPSO算法的风电场AGC序列规划第54-72页
    4.1 基于任意初始小世界邻域动态粒子群算法(D-SWPSO)第55-62页
        4.1.1 算法拓扑结构分析第55-57页
        4.1.2 小世界邻域拓扑结构的构造以及特性分析第57-58页
        4.1.3 邻域结构动态更新策略第58页
        4.1.4 算法流程第58-59页
        4.1.5 数值仿真研究第59-62页
    4.2 风电场AGC序列规划模型及求解策略第62-66页
        4.2.1 风电场出力波动的考核指标第62页
        4.2.2 风电场发电收益的指标体系第62-63页
        4.2.3 风电场出力波动的平抑思路第63-64页
        4.2.4 风电场AGC序列规划的数学模型第64-65页
        4.2.5 基于D-SWPSO算法的AGC序列规划流程第65-66页
    4.3 仿真分析第66-71页
        4.3.1 实际数据分析第66-68页
        4.3.2 基于D-SWPSO算法的AGC序列规划仿真第68-71页
    4.4 本章小结第71-72页
5 基于预测误差修正的风电场与AGC机组协同实时控制第72-88页
    5.1 风电场和AGC机组实时控制原理第73-76页
        5.1.1 分布式协同实时控制数学模型第73-74页
        5.1.2 分布式控制结构设计第74-76页
    5.2 分布式实时控制过程第76-79页
    5.3 仿真实验分析第79-84页
    5.4 基于预测误差修正的AGC定值系统第84-87页
        5.4.1 原理分析第84-85页
        5.4.2 仿真验证第85-87页
    5.5 本章小结第87-88页
6 总结与展望第88-90页
    6.1 总结第88-89页
    6.2 展望第89-90页
参考文献第90-94页
作者简历及攻读硕士学位期间取得的研究成果第94-98页
学位论文数据集第98页

论文共98页,点击 下载论文
上一篇:面向交通事件持续时间预测的贝叶斯网络建模研究
下一篇:基于超分辨率的图像重建算法及研究