發(fā)布時(shí)間：2025-04-11 01:35

　　水力發(fā)電作為可持續(xù)能源發(fā)展前景可觀,但隨著水力發(fā)電廠的機(jī)組容量增大,電網(wǎng)的穩(wěn)定性受水力發(fā)電廠的機(jī)組安全穩(wěn)定運(yùn)行影響增加,而保證水力發(fā)電廠穩(wěn)定運(yùn)行關(guān)鍵因素之一是水輪發(fā)電機(jī)穩(wěn)定運(yùn)行。勵(lì)磁控制系統(tǒng)作為水輪發(fā)電機(jī)重要的組成部分,將直接影響發(fā)電機(jī)的穩(wěn)定運(yùn)行,為提高水輪發(fā)電機(jī)的穩(wěn)態(tài)性能、降低水力發(fā)電廠對(duì)電網(wǎng)穩(wěn)定運(yùn)行的影響,本文對(duì)勵(lì)磁控制系統(tǒng)展開(kāi)研究,即勵(lì)磁控制系統(tǒng)的參數(shù)辨識(shí)及其控制策略研究。本文首先推導(dǎo)勵(lì)磁控制系統(tǒng)各個(gè)單元模塊的傳遞函數(shù),構(gòu)建勵(lì)磁控制系統(tǒng)的數(shù)學(xué)模型,為勵(lì)磁控制系統(tǒng)的參數(shù)辨識(shí)及其控制策略研究奠定基礎(chǔ)。為了能夠建立精確的勵(lì)磁控制系統(tǒng)數(shù)學(xué)模型,對(duì)模型中的一些參數(shù)進(jìn)行參數(shù)辨識(shí)。為了避免引力搜索算法無(wú)記憶性等缺點(diǎn),將引力搜索算法與粒子群算法相結(jié)合提出一種改進(jìn)的引力搜索算法。同時(shí),引力搜索和改進(jìn)引力搜索算法分別用于勵(lì)磁控制系統(tǒng)的參數(shù)辨識(shí)中,結(jié)果表明了改進(jìn)的引力搜索算法尋優(yōu)能力更強(qiáng)。為提高勵(lì)磁控制系統(tǒng)獲得較好控制性能效果,同時(shí)為探索智能控制方法在系統(tǒng)PI參數(shù)整定的應(yīng)用。本文先詳細(xì)介紹了基本量子遺傳算法的理論知識(shí),然后針對(duì)量子遺傳算法的一些缺點(diǎn)進(jìn)行改進(jìn),將遺傳算法、基本量子遺傳算法和改進(jìn)的量子遺傳算...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題研究的背景及意義
    1.2 國(guó)內(nèi)外研究概況
        1.2.1 勵(lì)磁系統(tǒng)參數(shù)辨識(shí)研究概況
        1.2.2 勵(lì)磁系統(tǒng)控制方法研究概況
    1.3 本文主要研究?jī)?nèi)容
第2章 水輪發(fā)電機(jī)勵(lì)磁控制系統(tǒng)的建模
    2.1 同步發(fā)電機(jī)勵(lì)磁系統(tǒng)的分類(lèi)
    2.2 靜止勵(lì)磁控制系統(tǒng)的傳遞函數(shù)
        2.2.1 勵(lì)磁調(diào)節(jié)器各單元的傳遞函數(shù)
        2.2.2 串并聯(lián)矯正單元的傳遞函數(shù)
        2.2.3 同步發(fā)電機(jī)的傳遞函數(shù)
        2.2.4 勵(lì)磁控制系統(tǒng)控制器
    2.3 小結(jié)
第3章 基于IGSA的勵(lì)磁控制系統(tǒng)參數(shù)辨識(shí)
    3.1 參數(shù)辨識(shí)基本知識(shí)
        3.1.1 數(shù)學(xué)模型的分類(lèi)
        3.1.2 參數(shù)辨識(shí)原理
    3.2 偽隨機(jī)二進(jìn)制序列
        3.2.1 M序列的產(chǎn)生
        3.2.2 反饋通道選取方法
        3.2.3 M序列的參數(shù)
    3.3 基本引力搜索算法基本原理
        3.3.1 引力法則
        3.3.2 引力搜索算法
    3.4 改進(jìn)引力搜索算法
        3.4.1 算法流程
    3.5 基于GSA和IGSA勵(lì)磁控制系統(tǒng)的參數(shù)辨識(shí)
    3.6 小結(jié)
第4章 基于IQGA的勵(lì)磁控制系統(tǒng)PI參數(shù)優(yōu)化
    4.1 基本量子遺傳算法
        4.1.1 基本量子比特編碼
        4.1.2 量子測(cè)量法則
        4.1.3 量子旋轉(zhuǎn)門(mén)
    4.2 改進(jìn)量子遺傳算法
        4.2.1 量子比特編碼原理
        4.2.2 量子測(cè)量法則
        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 勵(lì)磁控制系統(tǒng)PI參數(shù)優(yōu)化策略
    4.4 實(shí)驗(yàn)結(jié)果比較與分析
        4.4.1 算法參數(shù)設(shè)置
        4.4.2 結(jié)果分析
    4.5 小結(jié)
第5章 基于IQGA的BP神經(jīng)網(wǎng)絡(luò)勵(lì)磁控制系統(tǒng)PI自適應(yīng)控制
    5.1 神經(jīng)網(wǎng)絡(luò)概述
        5.1.1 單神經(jīng)元模型
        5.1.2 神經(jīng)網(wǎng)絡(luò)的分類(lèi)
        5.1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
    5.2 基于BP神經(jīng)網(wǎng)絡(luò)PI自適應(yīng)控制基本原理
        5.2.1 BP神經(jīng)網(wǎng)絡(luò)PI自適應(yīng)控制結(jié)構(gòu)
        5.2.2 BP神經(jīng)網(wǎng)絡(luò)算法原理
        5.2.3 BP神經(jīng)網(wǎng)絡(luò)算法流程
    5.3 BP神經(jīng)網(wǎng)絡(luò)對(duì)勵(lì)磁系統(tǒng)PI的自適應(yīng)控制
        5.3.1 基于工程方法勵(lì)磁控制系統(tǒng)PI整定
        5.3.2 實(shí)驗(yàn)對(duì)比分析
    5.4 小結(jié)
第6章 總結(jié)與展望
    6.1 全文研究總結(jié)
    6.2 進(jìn)一步研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間獲得的成果



本文編號(hào)：4039300