欢迎来到天天文库
浏览记录
ID:35005758
大小:2.67 MB
页数:74页
时间:2019-03-16
《同步发电机参数在线频域与时域辨识方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、同步发电机参数在线频域与时域辨识方法研究重庆大学硕士学位论文(学术学位)学生姓名:陆晓依指导教师:罗建教授专业:电气工程学科门类:工学重庆大学电气工程学院二O一五年五月ResearchontheOnlineFrequencyDomainandTimeDomainIdentificationofSynchronousGeneratorParametersAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByLuXiaoyiSup
2、ervisedbyProf.LuoJianSpecialty:ElectricalEngineeringSchoolofElectricalEngineeringofChongqingUniversity,Chongqing,ChinaMay,2015中文摘要摘要同步发电机是整个电力系统的核心元件之一,其模型的正确性和参数的精确性不仅影响电力系统分析计算的准确性,还影响电网控制策略的制定。在线辨识法将在线测量与辨识技术相结合,辨识得到的参数更符合电力系统实际运行工况。因而对同步发电机模型与参数在线辨识进行研究具有重要的意义。本文提出了一种基于阻抗实部和虚部分开表征辨识算法的同步发电机参
3、数在线频域辨识方法。从频域角度出发,基于派克模型建立由dq轴电压电流、励磁电压和励磁电流等可观测量表示的同步发电机阻抗矩阵传递函数模型,并提出利用阻抗实部和虚部分开表征的辨识算法对模型基本参数可辨识性进行分析,然后通过自适应滤波算法获得信号的频域信息,结合粒子群算法,辨识得到同步发电机基本参数,再利用基本参数与实用参数之间的转换关系,获得同步发电机实用参数。研究表明,利用频域模型阻抗实部和虚部分开表征的辨识算法,结合稳态电压方程,该模型的基本参数是唯一可辨识的,避免了参数多值性问题,提高了辨识精度,解决了同步发电机基本参数唯一性求取的问题。通过MATLAB进行算例仿真,并与其他方法进行
4、比较,结果表明本文所采用的参数辨识模型和方法不依赖参数经验值,精度较高。本文改进了派克模型辨识方法,给出了基于直接积分最小二乘法的同步发电机参数在线时域辨识方法。从时域角度出发,基于派克模型建立由可观测量表示的同步发电机状态方程模型,通过间接方法分析得到本文所提状态方程模型的基本参数是唯一可辨识的,并利用同步发电机基本参数分步辨识策略,结合直接积分最小二乘方法辨识得到同步发电机基本参数,再利用基本参数与实用参数之间的转换关系,获得同步发电机实用参数。研究表明利用直接积分最小二乘方法,能够避免参数辨识过程中求解复杂微分方程,简化参数辨识过程,提高辨识效率。通过MATLAB进行算例仿真,并
5、与其他方法进行比较,表明本文所采用的参数辨识模型和方法受噪声影响小,是合理、有效的。该方法在系统发生扰动的情况下,可直接利用在线扰动采样数据进行辨识,无需注入频率信号,对设备要求低。同时,将时域辨识模型和算法应用到工程实例中,进一步验证了模型和方法的正确性和有效性。关键词:同步发电机参数辨识频域辨识时域辨识粒子群算法直接积分最小二乘I英文摘要ABSTRACTSynchronousgeneratorisoneofthecoreelementsinthewholepowersystem.Thecorrectnessofthemodelandtheaccuracyofparametersar
6、en’tonlyaffecttheaccuracyofpowersystemanalysisandcalculation,butalsoaffectthedevelopmentofthegridcontrolstrategy.Theonlineidentificationmethodcombinesonlinemeasurementwithidentificationtechnology,andparametersaremorecorrectwhichareobtainedontheactualoperatingconditions.Therefore,aresearchontheon
7、lineidentificationforsynchronousgeneratorparametershasanimportantsignificance.Anonlinefrequencydomainidentificationmethodbasedontheimpedancerealpartandimaginarypartdetachedrepresentationalgorithmispresentedherein.Fromthepers
此文档下载收益归作者所有