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

含双馈感应风电机组的配电网动态无功优化研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-19页
    1.1 研究背景和意义第11-12页
    1.2 风力发电发展现状第12-14页
        1.2.1 变速恒频风力发电技术第12页
        1.2.2 风电场输出功率预测第12-14页
    1.3 课题国内外研究现状分析第14-16页
        1.3.1 配电网无功优化方法研究现状第14-15页
        1.3.2 含风电场的配电网动态无功优化研究现状第15-16页
    1.4 本文的主要研究内容第16-19页
第2章 双馈感应风电机组并网运行特性第19-29页
    2.1 双馈电机工作原理第19-20页
    2.2 双馈感应风电机组功率特性第20-24页
        2.2.1 双馈感应风电机组有功功率特性第20-21页
        2.2.2 双馈感应风电机组的稳态模型第21-23页
        2.2.3 风功率波动对无功极限选取的影响第23-24页
    2.3 含双馈感应风力发电机的配电网潮流计算第24-28页
        2.3.1 并网对系统运行的影响第24-25页
        2.3.2 配电系统基本潮流计算第25-27页
        2.3.3 含双馈感应风机的潮流计算模型第27-28页
    2.4 本章小结第28-29页
第3章 基于BP-GMM的短期风电功率预测方法第29-43页
    3.1 基于BP神经网络法的风功率预测第29-34页
        3.1.1 BP神经网络的应用原理第29-30页
        3.1.2 BP神经网络的数学描述第30-32页
        3.1.3 BP神经网络法建立预测模型第32-34页
    3.2 基于BP-GMM的短期风电功率预测第34-40页
        3.2.1 高斯混合模型(GMM)误差建模第35-39页
        3.2.2 基于BP-GMM的短期风电功率预测流程第39-40页
    3.3 预测精度评价体系第40-41页
    3.4 算例分析第41-42页
    3.5 本章小结第42-43页
第4章 基于HS-DPSO的含风电场的配电网静态无功优化研究第43-61页
    4.1 粒子群优化算法基本原理第43-48页
        4.1.1 基本的粒子群算法(PSO)第43-44页
        4.1.2 寻优过程中多样性变化的分析第44-48页
    4.2 基于HS的改进粒子群算法第48-55页
        4.2.1 基本和声搜索算法(HS)第48-49页
        4.2.2 改进算法的流程及主要步骤第49-50页
        4.2.3 算法测试及分析第50-55页
    4.3 含双馈风机的配电网静态无功优化数学模型第55-56页
        4.3.1 无功优化目标函数第55页
        4.3.2 约束条件第55-56页
    4.4 HS-DPSO在含双馈风机的配电网静态无功优化中的应用第56-60页
        4.4.1 算法的关键环节第56-57页
        4.4.2 算法流程第57-59页
        4.4.3 仿真结果分析第59-60页
    4.5 本章小结第60-61页
第5章 含风电场的配电网两阶段动态无功优化策略第61-73页
    5.1 含双馈风机的配电网动态无功优化数学模型第61-62页
    5.2 动态无功优化求解方法第62-67页
        5.2.1 分时段策略第62-65页
        5.2.2 控制设备动作次数优化第65-67页
        5.2.3 动态优化求解步骤第67页
    5.3 算例分析第67-72页
        5.3.1 算例条件第67-68页
        5.3.2 仿真结果及分析第68-72页
    5.4 本章小结第72-73页
第6章 总结与展望第73-75页
    6.1 主要研究成果第73页
    6.2 后续研究展望第73-75页
参考文献第75-79页
致谢第79-81页
硕士期间所做工作及所获奖励第81-83页
附录 IEEE33节点配电系统数据第83-84页

论文共84页,点击 下载论文
上一篇:基于CT图像的肺结节良恶性辅助诊断研究
下一篇:含分布式电源的配电网功率损耗及无功优化研究