人工智能技术在电力系统稳定控制中的应用

发布时间：2017-03-27 18:19

  本文关键词：人工智能技术在电力系统稳定控制中的应用，由笔耕文化传播整理发布。

【摘要】： 异步运行是同步电机的一种非正常运行状态。带励磁的同步电机异步运行会造成系统中电压、电流和功率的剧烈振荡；无励磁同步电机异步运行时要从系统吸收大量的无功功率，这无论是对系统还是电机本身的安全运行都会带来不良的影响。但是理论研究和运行经验都表明，在一定的条件下，积极而谨慎地利用同步电机短时间的异步运行，采取措施使之迅速恢复同步，对于改善系统的运行条件也是有利的。 故在本文中，便讨论了带励磁的失步发电机从失步运行状态被拉入同步运行需采取的控制措施一再同步附加断续控制(已在文献[13-15]中提出)，本文在此基础上又提出了另一种再同步附加断续控制一再同步简化附加断续控制。这两种方法都是在发电机的励磁和原动机系统中附加控制措施，即快速励磁和快关汽门，并且二者均具有较好的控制作用。 智能控制是控制理论发展的高级阶段。它主要用来解决那些用传统方法难以解决的复杂系统的控制问题，并且智能控制具有学习功能、适应功能及组织功能等控制功能特点。基于此，在本文的第一部分中，把前面提到的两个理论分别用模糊控制理论实现，进一步又用模糊神经网络来达实现再同步简化附加断续控制机理。这个再同步简化附加断续控制远离及这些智能控制器的有效性由数字仿真给予了证明。 目前对于线路瞬时性故障的最佳重合闸时刻以离线计算为主，如利用能量函数法，但其计算困难，计算时间较长，在电力系统中不能满足实际运行条件变化的要求。小波变换是一种信号的时间—尺度(时间—频率)分析方法，它 四川大学硕士学位论文 具有多分辨分析（Multi代solution nalysis）的特点，而且在时频两域都具有 表征信号局部特征的能力。并且人工神经网络具有其独特的智能控制功能。因 此，在本文的第二部分中提出了一种基于小波变换和人工神经网络方法的在线 寻求瞬时性故障最佳重合时刻的方法，，只需较短时间就能计算出最佳重合闸时 刻。最后用算例验证了所提出方法的有效性和准确性。
【关键词】：同步运行 异步运行 再同步 快速励磁 快关汽门 模糊控制 模糊神经网络 最佳重合闸时刻 小波变换 人工神经网络
【学位授予单位】：四川大学
【学位级别】：硕士
【学位授予年份】：2001
【分类号】：TM761
【目录】：

• 第一部分 人工智能技术在发电机再同步控制中的应用9-64
• 第一章 概论9-14
• 1．1 电力系统稳定性方面的研究概况9-11
• 1．1．1 国外的有关维持和提高电力系统稳定性的措施10-11
• 1．1．2 我国的有关维持和提高电力系统稳定性的措施11
• 1．2 人工智能技术的功能特点11-12
• 1．3 本文第一部分的主要工作12-14
• 第二章 发电机的失步和再同步14-24
• 2．1 绪论14-17
• 2．2 励磁系统对发电机稳定性的影响17-20
• 2．3 原动机及调速器对发电机稳定性的影响20-23
• 2．4 结论23-24
• 第三章 再同步附加断续控制及简化附加断续控制的基本原理24-32
• 3．1 附加断续励磁控制原理24-25
• 3．1．1 励磁控制的发展近况24-25
• 3．1．2 附加断续励磁控制的基本思想25
• 3．2 快关汽门控制原理25-26
• 3．2．1 快关汽门的概念及其发展25-26
• 3．2．2 快关汽门控制原理26
• 3．3 文献[13]中提出的再同步附加断续控制原理26-30
• 3．3．1 拉入同步和防止滑过同步的控制策略27-29
• 3．3．2 防止再同步失败的控制策略29
• 3．3．3 再同步附加断续控制的规律29-30
• 3．4 再同步简化附加断续控制原理30-32
• 第四章 采用附加断续控制机理实现发电机再同步的智能控制器32-58
• 4．1 模糊控制在工程控制中的应用32-40
• 4．1．1 模糊控制理论发展概况32-33
• 4．1．2 模糊控制的基本思想33
• 4．1．3 模糊控制的特点33-34
• 4．1．4 模糊控制系统34-40
• 4．2 模糊神经控制器的基本原理40-46
• 4．2．1 模糊神经控制器的概念40-41
• 4．2．2 模糊神经控制器的网络结构及其学习算法41-46
• 4．3 附加模糊控制系统的结构及其作用46-47
• 4．4 实现再同步附加断续控制机理的模糊控制器原理47-51
• 4．5 实现再同步简化附加断续控制机理的模糊控制器原理51-55
• 4．6 模糊神经控制器的设计55-56
• 4．7 模糊控制器逻辑判定系统及其相应的执行系统56-58
• 4．7．1 逻辑判定系统的功能56
• 4．7．2 附加快速励磁控制执行系统56
• 4．7．3 附加快关汽门控制的执行系统56-58
• 第五章 数字仿真58-64
• 5．1 进行附加模糊控制器数字仿真时所用的单机—无穷大系统示意图及其仿真结果58-59
• 5．2 进行附加模糊控制器数字仿真时所用的多机系统示意图及其仿真结果59-61
• 5．3 附加模糊神经网络控制器时的仿真结果分析61-62
• 5．4 结论62-64
• 第二部分 ANN在最佳重合闸时刻研究中的应用64-77
• 第六章 基于小波变换和肋研的最佳重合闸时刻的研究64-75
• 6．1 有关重合闸时间的研究概况64-65
• 6．2 最佳重合闸时刻的物理解释65-66
• 6．3 人工神经网络（ANN）的概况和功能特点66-67
• 6．4 确定最佳重合闸时刻的方法67-72
• 6．4．1 小波变换分析及特征值的提取68-70
• 6．4．2 ANN结构及训练70-72
• 6．5 算例72-74
• 6．6 结论74-75
• 第七章 结论75-77
• 致谢77-78
• 参考文献78-82

【引证文献】

中国硕士学位论文全文数据库 前1条

1 李洪伟;基于模式识别和集成学习的电力系统暂态稳定评估[D];华北电力大学（河北）;2010年

  本文关键词：人工智能技术在电力系统稳定控制中的应用，由笔耕文化传播整理发布。

本文编号：270851