復雜網絡同步控制及其在電力系統(tǒng)中的應用研究.pdf_第1頁
已閱讀1頁,還剩115頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、1998年,Watts和Strogatz在《Nature》上發(fā)表文章,發(fā)現了復雜網絡背后的小世界特性,1999年Barabasi和Albert在《Science》發(fā)表研究成果,提出節(jié)點度分布具有無標度特性。這掀起了研究復雜網絡理論的熱潮,吸引了物理、數學、工程、社會學、生物學等各領域的學者去探究復雜世界背后隱藏的本質規(guī)律,因此成為眾多領域研究的熱點問題。
  復雜網絡在自然界普遍存在,比如:因特網,交通網,電力網,人際關系網,科研

2、引用網,病毒傳播網,航空運輸網,國際貿易網,人體生理網,新陳代謝網等等。近年來,復雜網絡帶來的問題日益突出:SARS病毒在極短的時間流行全球,金融危機波及各國,氣候問題越發(fā)嚴重,電力事故不斷出現等。為此,人們非常需要去認知復雜網絡,了解其背后隱藏的本質規(guī)律,便于揚長避短地應用之。復雜網絡系統(tǒng)從不穩(wěn)定到穩(wěn)定是一個動態(tài)的過程,在該過程中存在臨界狀態(tài),對于處于臨界狀態(tài)的復雜網絡系統(tǒng)又該呈現何種特征,如何設計出更加優(yōu)良的同步穩(wěn)定控制器,趨利避害

3、的對待復雜網絡問題,是當前該理論研究新的問題。
  隨著社會的快速發(fā)展,能源緊缺問題日益突出,以石油、煤炭為核心的能源格局必須打破。同時,也帶來嚴重的環(huán)境污染問題。發(fā)展新能源成為時代主題,也帶來新的電網安全問題。2003年,美國電力科學研究院(EPRI)將未來電網定義為intelligentgrid;2005年,歐洲首先提出了“Smart Grid”--能電網概念,意在解決新形勢下人類所面臨的能源、環(huán)境和電網安全問題。如何真正的從

4、根本上解決電力系統(tǒng)安全問題,被推到了時代浪尖,迫使我們重新梳理和反思。復雜網絡理論的研究還存在待完善之處,其應用研究才剛起步,還存在諸多亟待解決的問題。
  為此,本文結合當前復雜網絡理論研究現狀和電網建設的特點,采用上述理論,就目前存在問題展開研究工作,主要包括以下幾個方面:
  1.進行復雜系統(tǒng)臨界同步機理研究。復雜網絡系統(tǒng)由于節(jié)點特性和邊耦合特性的多樣性而更加復雜。對于這種復雜網絡系統(tǒng)有兩個截然相反的整體形態(tài)(穩(wěn)定和非

5、穩(wěn)定),對其臨界特性的研究尤為重要。本文對其臨界同步特性進行了研究,提出了判斷一類復雜網絡臨界態(tài)的充分條件和必要條件,通過實驗證明了這種臨界態(tài)的存在及判斷判據的正確性。對進一步研究復雜網絡系統(tǒng)的臨界特性有重要意義。
  2.復雜網絡同步牽制控制理論的研究。牽制控制是實現復雜網絡同步最有效的方法,通過對少量節(jié)點的控制驅動網絡到期望的狀態(tài)或軌道。本文通過引入節(jié)點重要度指數,在復雜網絡和實際節(jié)點對網絡貢獻力上架起了橋梁。提出了基于節(jié)點重

6、要度指數的牽制策略。同時,將節(jié)點重要度指數引入到了控制器的設計中,得到了牽制控制器設計更合理有效的方法,解決了牽制控制器設計中參數確定缺少理論依據的問題。
  3.基于復雜網絡理論的交直流輸電系統(tǒng)研究。利用復雜網絡理論,深入分析超高壓直流輸電對電網網絡特性的影響。提出了交直流混合輸電系統(tǒng)的網絡特性評價方法,算例證明直流輸電的引入將使電網向無標度特性轉移。同時對高壓直流輸電換流站選址進行研究,算例證明根據度大的節(jié)點選擇換流站能增加網

7、絡的抗毀性。
  4.提出基于復雜網絡牽制控制理論實現電網AGC牽制控制。將復雜網絡牽制控制理論用到AGC控制中,將電力輸送的潮流約束和傳輸能力轉換成復雜網絡的邊權,并將邊權視為電網節(jié)點間的耦合強度,考慮節(jié)點的實際容量,結合電網的物理連接得到節(jié)點的點權。同時,根據發(fā)電節(jié)點的點權大小,運用復雜網絡牽制控制策略對部分發(fā)電節(jié)點進行牽制自適應控制,實現了復雜電網中實際有功平衡和各發(fā)電機轉速同步。
  5.建立基于模糊支持向量機學習理

8、論的電力系統(tǒng)負荷在線預測模型。機器學習是繼專家系統(tǒng)之后人工智能應用的又一重要研究領域,也是人工智能的核心研究課題之一,其顯著的特點就是小樣本學習,且在學習過程中不存在過學習和局部極小的缺點,有較好的推廣性,得到廣泛的應用。本文運用模糊集理論對負荷影響因子進行模糊化,并采用最小二乘支持向量機(LS-SVM)學習方法,結合嵌入維思想進行建模和預測,利用粒子群(PSO)算法進行模型參數尋優(yōu)。同時,為降低運算量,提出小批量更新方法,實現在線學習

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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論