水轮发电机励磁控制系统的参数辨识及控制策略研究
发布时间:2025-04-11 01:35
水力发电作为可持续能源发展前景可观,但随着水力发电厂的机组容量增大,电网的稳定性受水力发电厂的机组安全稳定运行影响增加,而保证水力发电厂稳定运行关键因素之一是水轮发电机稳定运行。励磁控制系统作为水轮发电机重要的组成部分,将直接影响发电机的稳定运行,为提高水轮发电机的稳态性能、降低水力发电厂对电网稳定运行的影响,本文对励磁控制系统展开研究,即励磁控制系统的参数辨识及其控制策略研究。本文首先推导励磁控制系统各个单元模块的传递函数,构建励磁控制系统的数学模型,为励磁控制系统的参数辨识及其控制策略研究奠定基础。为了能够建立精确的励磁控制系统数学模型,对模型中的一些参数进行参数辨识。为了避免引力搜索算法无记忆性等缺点,将引力搜索算法与粒子群算法相结合提出一种改进的引力搜索算法。同时,引力搜索和改进引力搜索算法分别用于励磁控制系统的参数辨识中,结果表明了改进的引力搜索算法寻优能力更强。为提高励磁控制系统获得较好控制性能效果,同时为探索智能控制方法在系统PI参数整定的应用。本文先详细介绍了基本量子遗传算法的理论知识,然后针对量子遗传算法的一些缺点进行改进,将遗传算法、基本量子遗传算法和改进的量子遗传算...
【文章页数】:75 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 选题研究的背景及意义
1.2 国内外研究概况
1.2.1 励磁系统参数辨识研究概况
1.2.2 励磁系统控制方法研究概况
1.3 本文主要研究内容
第2章 水轮发电机励磁控制系统的建模
2.1 同步发电机励磁系统的分类
2.2 静止励磁控制系统的传递函数
2.2.1 励磁调节器各单元的传递函数
2.2.2 串并联矫正单元的传递函数
2.2.3 同步发电机的传递函数
2.2.4 励磁控制系统控制器
2.3 小结
第3章 基于IGSA的励磁控制系统参数辨识
3.1 参数辨识基本知识
3.1.1 数学模型的分类
3.1.2 参数辨识原理
3.2 伪随机二进制序列
3.2.1 M序列的产生
3.2.2 反馈通道选取方法
3.2.3 M序列的参数
3.3 基本引力搜索算法基本原理
3.3.1 引力法则
3.3.2 引力搜索算法
3.4 改进引力搜索算法
3.4.1 算法流程
3.5 基于GSA和IGSA励磁控制系统的参数辨识
3.6 小结
第4章 基于IQGA的励磁控制系统PI参数优化
4.1 基本量子遗传算法
4.1.1 基本量子比特编码
4.1.2 量子测量法则
4.1.3 量子旋转门
4.2 改进量子遗传算法
4.2.1 量子比特编码原理
4.2.2 量子测量法则
4.2.3 基于粒子群算法更新量子比特的策略
4.2.4 算法流程
4.3 励磁控制系统PI参数优化策略
4.4 实验结果比较与分析
4.4.1 算法参数设置
4.4.2 结果分析
4.5 小结
第5章 基于IQGA的BP神经网络励磁控制系统PI自适应控制
5.1 神经网络概述
5.1.1 单神经元模型
5.1.2 神经网络的分类
5.1.3 神经网络学习算法
5.2 基于BP神经网络PI自适应控制基本原理
5.2.1 BP神经网络PI自适应控制结构
5.2.2 BP神经网络算法原理
5.2.3 BP神经网络算法流程
5.3 BP神经网络对励磁系统PI的自适应控制
5.3.1 基于工程方法励磁控制系统PI整定
5.3.2 实验对比分析
5.4 小结
第6章 总结与展望
6.1 全文研究总结
6.2 进一步研究展望
参考文献
致谢
攻读硕士学位期间获得的成果
本文编号:4039300
【文章页数】:75 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 选题研究的背景及意义
1.2 国内外研究概况
1.2.1 励磁系统参数辨识研究概况
1.2.2 励磁系统控制方法研究概况
1.3 本文主要研究内容
第2章 水轮发电机励磁控制系统的建模
2.1 同步发电机励磁系统的分类
2.2 静止励磁控制系统的传递函数
2.2.1 励磁调节器各单元的传递函数
2.2.2 串并联矫正单元的传递函数
2.2.3 同步发电机的传递函数
2.2.4 励磁控制系统控制器
2.3 小结
第3章 基于IGSA的励磁控制系统参数辨识
3.1 参数辨识基本知识
3.1.1 数学模型的分类
3.1.2 参数辨识原理
3.2 伪随机二进制序列
3.2.1 M序列的产生
3.2.2 反馈通道选取方法
3.2.3 M序列的参数
3.3 基本引力搜索算法基本原理
3.3.1 引力法则
3.3.2 引力搜索算法
3.4 改进引力搜索算法
3.4.1 算法流程
3.5 基于GSA和IGSA励磁控制系统的参数辨识
3.6 小结
第4章 基于IQGA的励磁控制系统PI参数优化
4.1 基本量子遗传算法
4.1.1 基本量子比特编码
4.1.2 量子测量法则
4.1.3 量子旋转门
4.2 改进量子遗传算法
4.2.1 量子比特编码原理
4.2.2 量子测量法则
4.2.3 基于粒子群算法更新量子比特的策略
4.2.4 算法流程
4.3 励磁控制系统PI参数优化策略
4.4 实验结果比较与分析
4.4.1 算法参数设置
4.4.2 结果分析
4.5 小结
第5章 基于IQGA的BP神经网络励磁控制系统PI自适应控制
5.1 神经网络概述
5.1.1 单神经元模型
5.1.2 神经网络的分类
5.1.3 神经网络学习算法
5.2 基于BP神经网络PI自适应控制基本原理
5.2.1 BP神经网络PI自适应控制结构
5.2.2 BP神经网络算法原理
5.2.3 BP神经网络算法流程
5.3 BP神经网络对励磁系统PI的自适应控制
5.3.1 基于工程方法励磁控制系统PI整定
5.3.2 实验对比分析
5.4 小结
第6章 总结与展望
6.1 全文研究总结
6.2 进一步研究展望
参考文献
致谢
攻读硕士学位期间获得的成果
本文编号:4039300
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/4039300.html