2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩123頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、綜合負(fù)荷模型是決定仿真研究結(jié)果可信賴程度的關(guān)鍵因素之一。因此負(fù)荷建模是電力系統(tǒng)重要的基礎(chǔ)性課題。由于綜合負(fù)荷自身的隨機(jī)時(shí)變性、地域分散性、成分多樣性、嚴(yán)重非線性等特點(diǎn),建立完全精確的數(shù)學(xué)模型是十分困難的工作。 正是由于負(fù)荷模型的重要性和復(fù)雜性,負(fù)荷建模正成為電力系統(tǒng)仿真分析領(lǐng)域的具有挑戰(zhàn)性的研究方向,引起了電力工程界與學(xué)術(shù)界的廣泛關(guān)注。論文圍繞靜態(tài)模型參數(shù)辨識(shí)和行業(yè)特性分析、建模用戶精選和變電站特性綜合、實(shí)測建模數(shù)據(jù)特征提取、神

2、經(jīng)網(wǎng)絡(luò)負(fù)荷模型及其綜合能力開展研究,主要內(nèi)容包括: 在分析傳統(tǒng)優(yōu)化算法應(yīng)用于負(fù)荷模型參數(shù)辨識(shí)的主要缺陷的基礎(chǔ)上,提出了基于二次規(guī)劃的Lemke優(yōu)化算法的負(fù)荷靜態(tài)模型參數(shù)辨識(shí)的新方法。通過對(duì)電力負(fù)荷元件及其組合進(jìn)行的靜態(tài)故障模擬,對(duì)實(shí)驗(yàn)故障數(shù)據(jù)進(jìn)行負(fù)荷建模和參數(shù)辨識(shí),辨識(shí)結(jié)果證實(shí)了該方法的正確性和有效性?;诮y(tǒng)計(jì)綜合法負(fù)荷建模的基本原理,結(jié)合實(shí)際系統(tǒng)的建模實(shí)踐,提出了一套基于統(tǒng)計(jì)綜合法負(fù)荷建模的系統(tǒng)方法,通過統(tǒng)計(jì)綜合的方法從而確定

3、行業(yè)的綜合負(fù)荷冪函數(shù)特性。 基于統(tǒng)計(jì)綜合法負(fù)荷建模的基本原理,提出在統(tǒng)計(jì)綜合法負(fù)荷建模的第一個(gè)層次,即用戶特性調(diào)查階段,對(duì)于用電行業(yè)的典型用戶,在初步專家篩選的前提下進(jìn)行負(fù)荷結(jié)構(gòu)特性調(diào)查,在對(duì)調(diào)查數(shù)據(jù)進(jìn)行分析處理的基礎(chǔ)上,提出了基于模糊等價(jià)關(guān)系和模糊C均值算法的兩種分類方法進(jìn)行行業(yè)典型用戶的精選,為準(zhǔn)確篩選行業(yè)典型用戶從而建立各行業(yè)的綜合負(fù)荷特性提供了新的方法。通過紡織行業(yè)用戶精選為例,論證該方法的可行性和有效性。 對(duì)湖

4、南電網(wǎng)的變電站負(fù)荷特性進(jìn)行了分類與綜合。其思路是在對(duì)變電站靜態(tài)負(fù)荷構(gòu)成特性參數(shù)標(biāo)準(zhǔn)化的基礎(chǔ)上,以此為負(fù)荷特性分類和綜合的特征向量,應(yīng)用所提的兩種分類算法,對(duì)某電網(wǎng)樞紐變電站進(jìn)行了聚類分析。在負(fù)荷特性調(diào)查數(shù)據(jù)的基礎(chǔ)上,利用綜合處理的方法得出了湖南電網(wǎng)48個(gè)220kV變電站3種不同運(yùn)行方式下感應(yīng)電動(dòng)機(jī)負(fù)荷和恒定阻抗負(fù)荷的實(shí)際比例。 根據(jù)隨機(jī)理論思想,把負(fù)荷建模的實(shí)測輸出數(shù)據(jù)看成隨機(jī)擾動(dòng)電壓的響應(yīng),基于小波包的分解和重構(gòu)理論,對(duì)實(shí)測建

5、模電流信號(hào)進(jìn)行3層小波包分解,用Wprcoef函數(shù)對(duì)小波分解系數(shù)進(jìn)行重構(gòu),準(zhǔn)確提取和構(gòu)造了負(fù)荷實(shí)測擾動(dòng)建模數(shù)據(jù)的能量特征向量。在特征向量歸一化的基礎(chǔ)上,利用減法聚類的模糊算法對(duì)特征向量進(jìn)行分類處理,獲得了理想的分類結(jié)果。 提出一種基于減法聚類的模糊神經(jīng)網(wǎng)絡(luò)的負(fù)荷建模新方法。首先對(duì)建模樣本輸入輸出數(shù)據(jù)進(jìn)行特征分析,應(yīng)用減法聚類自適應(yīng)的調(diào)整建模數(shù)據(jù)的聚類數(shù)和聚類中心,以確定負(fù)荷模型的模糊規(guī)則數(shù)和隸屬度函數(shù)個(gè)數(shù)。通過神經(jīng)網(wǎng)絡(luò)對(duì)推理數(shù)據(jù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論