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 |