基于现代优化算法的电厂励磁改造的研究

发布时间：2018-01-15 12:25

  本文关键词：基于现代优化算法的电厂励磁改造的研究　出处：《湖北工业大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 励磁系统 现代优化算法 遗传算法 支持向量机 粒子群算法 变精度粗糙集 神经网络

【摘要】：励磁控制对电厂电力的稳定发送方面起着十分必要的作用,近年来,电力系统规模增大,科技发展,自动化理论和应用都在进步,在电厂励磁系统及其控制方面都有了越来越多的理论并投入应用。本文所做的工作如下:(1)对电厂发电机励磁系统建模,介绍励磁系统结构和其中的传递函数,再分别对励磁系统各部分单元进行建模和参数分析,最后整合对整个励磁系统进行建模。(2)对电厂发电机励磁系统进行参数辨识,分别用频域法、时域法、现代优化算法来进行励磁系统的参数辨识,频域法使用的是快速傅里叶变换,时域法使用的是PLPF法,现代优化算法设计了两种,第一种是改进了遗传算法来进行参数辨识,并进行matlab实例分析,第二种是基于支持向量机和粒子群算法的参数辨识,并进行matlab实际分析。(3)对电厂发电机励磁系统的控制系统进行基于现代优化算法的改造,对励磁控制系统进行介绍,并研究了变精度粗糙集和RBF神经网络理论,利用它们进行了基于神经网络的励磁控制系统改进设计。
[Abstract]:Excitation control plays a very important role in the stable transmission of power plant. In recent years, the scale of power system has increased, the development of science and technology, automation theory and application are progressing. There are more and more theories and applications in power plant excitation system and its control. The work done in this paper is as follows: 1) Modeling of generator excitation system in power plant. This paper introduces the structure of excitation system and its transfer function, and then models and analyzes the parameters of each part of excitation system. Finally, the whole excitation system is modeled. 2) the parameters of generator excitation system are identified by frequency domain method, time domain method and modern optimization algorithm. The frequency domain method uses the fast Fourier transform, the time domain method uses the PLPF method, and the modern optimization algorithm designs two kinds, the first one is to improve the genetic algorithm to carry on the parameter identification. The second is parameter identification based on support vector machine and particle swarm optimization. The control system of generator excitation system in power plant is reformed based on modern optimization algorithm, and the excitation control system is introduced. The theory of variable precision rough set and RBF neural network is studied, and the improved design of excitation control system based on neural network is carried out.
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18;TM62

【参考文献】

相关期刊论文 前10条

1 王一童;李迎冬;;浅析电力系统自动化发展趋势[J];电子制作;2015年04期

2 贺仁睦;沈峰;韩冬;韩志勇;;发电机励磁系统建模与参数辨识综述[J];电网技术;2007年14期

3 叶东毅;变精度属性约简及其在决策表规则提取中的应用[J];福建金融管理干部学院学报;2003年04期

4 李晓磊,邵之江,钱积新;一种基于动物自治体的寻优模式:鱼群算法[J];系统工程理论与实践;2002年11期

5 邵伟,徐政;励磁系统参数整定研究[J];中国电机工程学报;2002年10期

6 戴义平,邓仁纲,刘炯,孙凯,王勇;基于遗传算法的汽轮机数字电液调节系统的参数辨识研究[J];中国电机工程学报;2002年07期

7 王良,沈善德,朱守真,周逢权;基于EE模型的励磁系统参数时域辨识法[J];电力系统自动化;2002年08期

8 赵军,王国胤,吴中福,李华;基于粗集理论的数据离散化新算法[J];重庆大学学报(自然科学版);2002年03期

9 蒋平,戴列峰,黄霆,罗建裕,黄强,陈志芳;频域法在励磁系统参数辨识中的应用[J];电力系统自动化;2001年16期

10 刘倩,戴列锋,蒋平,罗建裕,黄强,陈志芳;发电机组励磁系统参数辨识原理及方法[J];江苏电机工程;2001年01期

相关博士学位论文 前1条

1 魏大宽;不完备模糊决策信息系统粗糙集模型与知识约简研究[D];南京理工大学;2007年

相关硕士学位论文 前3条

1 揭海宝;基于智能控制的同步发电机励磁控制研究[D];西南交通大学;2010年

2 李名文;基于PSASP的发电机励磁系统建模与参数辨识[D];华北电力大学（河北）;2010年

3 罗玉春;发电机励磁系统参数辨识研究[D];南京理工大学;2008年

，

本文编号：1428373