一、电力负荷静态样条函数模型（论文文献综述）
周衡[1]（2021）在《计及变频异步电机的电力系统负荷建模研究》文中研究指明电力系统仿真是电力系统规划设计、调度运行的保障,而精确的元件模型是可靠的电力系统仿真的基础。随着电力电子技术的迅速发展,变频调速技术日渐成熟,由于其高性能,高节能,传统异步电机直接并网逐步被变频电机所替代,使得电力系统中负荷组成及特性也悄然发生变化。本文针对变频异步电机特性,对其建立等效负荷模型。首先,对异步电机这类元件的负荷模型一些基本研究方法如统计综合法、总体测辨法、故障拟合法进行了研究,分析了常用的负荷模型,为变频异步电机的电力系统负荷建模奠定了理论基础。然后,基于变频异步电机的工作原理,建立了变频电机负荷计算模型,并在MATLAB/Simulink平台中对不同电压、不同频率跌落下与传统异步电机的响应特性进行了对比,结果表明两者的有功无功响应不同,传统异步电机的负荷模型表征变频异步电机已不再适用。在此基础上,根据变频异步电机特性,忽略其短暂动态过程,构建了变频异步电机静态等效模型,采用最小二乘法进行参数辨识,确定最终负荷模型参数,并与原有功无功响应曲线进行对比,验证了该模型的有效性。最后,基于PSASP用户自定义建模平台,建立变频异步电机等效模型。以实际电网建立的系统模型为例,对不同负荷模型组成比例和不同故障切除时间与实际电网中的综合负荷模型进行对比,变频异步电机模型比综合负荷模型的电压恢复特性更好,但故障时间内电压跌落的更多。因此,今后对不同负荷综合统计时,应考虑变频异步电机的负荷模型来满足工程中的实际需要。
杨淞淇[2]（2021）在《电力电子化电力系统动态负荷建模与参数辨识研究》文中进行了进一步梳理电力系统负荷建模是电力系统分析、规划、控制以及运行和监视领域中广泛研究的关键性技术,能够准确反映负荷外部特性对于电力系统仿真和安全稳定运行非常重要。过去,经过国内外对电力负荷建模的大量研究,已经有非常丰富的负荷模型结构,并且也有大规模投入使用的经典模型。但是,近年来可再生能源发电、高压直流输电和电气化负荷使用规模不断扩大,电力系统正在发生广泛而深刻的变化,呈现出多时间尺度动力学特性。国内外都陆续出现了不明机理带来的系统稳定性和安全性问题,这已经对系统运行构成了严重威胁。目前的电力负荷模型在一定程度上不能良好地描述负荷外部特性,面对电力系统电力电子化新形势下的艰巨挑战,在此基础上,本文重点研究在中尺度扰动下,电力电子化电力系统动态负荷的等效机理模型。论文的主要研究内容有如下几个方面:1、建立正确的电力电子化动态负荷数学模型。考虑电力电子装置及其控制系统,将其整体作为电力电子接口串入传统动态负荷模型中,从而得出电力电子化动态负荷等效机理模型。经过大量分析确定该模型的拓扑结构,解决方程的强耦合性、非线性的问题,并在忽略一定的损耗下消除中间变量,整合出以电压、频率为输入,有功、无功功率为输出的传递函数形式的动态模型,在仿真平台中搭建该模型和拓扑对应的物理模型,分别进行三次扰动设置,比较两者输出的动态响应,验证了建立的动态模型具有正确性。2、对建立的模型参数进行灵敏度分析。在考虑负荷电力电子化后,所建立的模型参数也随之增加,这不但给参数辨识带来了不便,在实用性方面也提高了复杂度。基于此,采用轨迹灵敏度理论和控制变量法,依次对模型中的每一个参数进行分析,并根据结果和实际情况确定了待辨识参数,这大大降低了模型的复杂度,为下一步研究奠定了基础。3、基于粒子群算法对重点参数进行辨识。首先通过实验获取数据并将数据进行预处理,将灵敏度低的参数使用经典值计算得出,再采用粒子群算法辨识出灵敏度较高的参数,将实验曲线与辨识曲线进行拟合,结果表明两者的拟合程度较高,再一次证明了本文所建立的模型的有效性,同时具有一定的实用性。
邱兰[3]（2020）在《电力动态负荷的游程特性分析及其应用》文中提出随着新能源引入和大功率动态负荷设备广泛接入电网,智能电网呈现出能源发电多元化,负荷成分多样化、负荷特性复杂化的特点。尤其是交流炼钢电弧炉和电气化铁路牵引机车等高电压、大功率的动态负荷设备,呈现出的快速随机波动特性,导致电能表计量出现较大超差的问题日益突出,给国家和企业带来经济损失。因此,研究建立动态负荷信号模型,分析典型动态负荷的随机波动特性,对于测试和评价电能表在负荷快速随机波动影响下产生的动态误差具有非常重要的理论意义和实际应用价值。首先,本文阐述了国内外针对负荷建模与负荷特性分析以及智能电能表计量系统建模与误差测试的研究现状。然后,对现场采集的典型大功率动态负荷的瞬时电压和瞬时电流信号进行预处理,分析其波形特性;建立动态负荷信号的调制模型和函数序列模型,针对电流信号,提出游程特征参量提取方法。在此基础上,对比分析动态负荷电流信号的幅度及其游程的特征指标参数,为动态负荷的游程随机特性在电能表动态误差测试与建模的应用提供理论依据。其次,基于智能电能表的计量机理,建立电能表的信号采集模块和电能计量模块各单元的数学模型,并推导出综合误差模型,分析电能表在负荷快速随机波动条件下的误差产生机理。最后,基于动态负荷信号的游程特性,采用m序列动态测试信号作为激励信号,进行智能电能表动态误差仿真与测试,证明了负荷游程特性分析的正确性和有效性,对电能表测试信号建模与误差测试、电能表误差测试标准的制定具有实际意义和实用价值。
韩灵怡[4]（2020）在《物联网时序数据的建模与分析方法研究》文中进行了进一步梳理随着物联网这项新兴信息技术的发展,城市建设的内涵已经从“数字城市”转为“智慧城市”。智慧城市指的是运用信息和通信技术手段感知、分析、整合城市运行核心系统的各项数据,从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。然而,由于物联网时间序列数据（时序数据）的非平稳性、非线性等特点,现有的时序数据分析方法无法满足物联网业务多样性和差异性的需求。因此,如何有效地对物联网时序数据进行建模与分析成为了目前亟待解决的问题之一。当前深度学习的发展,为物联网时序数据的建模与分析提供了更灵活有效的解决思路。然而,由于数据缺失或者感知周期过短,某些场景下只能采集到少量时序数据。如何针对不同大小数据集,构建面向数据特征的物联网时序数据建模与分析算法,以及如何在大规模网络中高效地使用算法,为物联网应用提供高效精准的服务,是本文研究的关键所在。首先,针对小样本数据集,提出了基于集成学习的时间序列短期预测算法。然后,着手研究基于深度学习的大样本时序数据建模与分析方法:面向单点场景,即仅包含单个或少数几个时间序列,设计了基于深度神经网络的长期预测算法;在此基础上,面向网络场景,即包含多个时间序列,研究高效的时间序列预测与缺失值补全算法,以满足大规模网络的业务需求。具体而言,本文主要研究内容包括:（1）小样本时序数据的建模与短期预测算法研究针对小样本数据集,设计了一种基于集成学习的时间序列短期预测算法。首次提出了一种加法表达式来对时间序列建模。加法表达式将时间序列分解为两部分,即由外部影响因素描述的外部变化分量和由自身结构决定的内部平稳分量。在此基础上,进一步提出了一种由几个简单学习器组成的提升回归学习算法,来学习内部分量和外部分量。在对全局属性局部化后,采用回归算法诸如多层感知器,通过挖掘序列模式与局部属性之间的关系来提取外部分量。然后,采用经典时间序列分析方法诸如自回归滑动平均（AutoRegressive Moving Average,ARMA）模型,通过对历史观测数据建模,来学习内部分量。最后,通过基于实际电网数据的实验结果表明,在小样本数据场景下,所提算法能够显着提高时间序列短期预测精度。（2）大样本时序数据的建模与长短期预测算法研究在大样本数据集下,现有的时间序列预测技术通过建模外界影响因素与时序数据间的关系来获得良好的预测性能。然而,由于长期的外界影响因素难以获取,现有的预测技术通常无法用于长期预测任务。为了解决这一不足,本文提出了两种只输入历史观测值而不依赖于外界影响因素的DNN预测算法:时间依赖卷积神经网络（Time Dependent-Convolutional Neural Network,TD-CNN）和周期性的长短期记忆（Cycle based-Long Short Term Memory,C-LSTM）网络。特别地,TD-CNN将时序数据建模为像素点,按周期排列成二维矩阵,从而将时间序列的时间相关性转换为空间相关性,有效利用CNN卷积核保持序列的长期记忆性。此外,为了高效地提取序列之间的时间相关性,所提的C-LSTM算法将原始序列映射为一个低维序列,从而达到显着减小时间步长的作用。实验结果表明,相比于传统深度神经网络,所提算法能够显着降低计算复杂度,并实现时间序列的可靠长期预测。（3）基于深度聚类的时间序列预测技术网络化方法研究面向复杂网络场景,提出了将现有时间序列预测技术推广到大规模网络中的可行方法,包括深度聚类（DeepCluster）和深度预测（DeepPre-diction）两个模块。DeepCluster模块通过深度表示学习,有效地对时间序列进行聚类,获得时间序列典型变化模式。特别地,DeepCluster首先将原始序列按周期划分为若干子序列,以此生成三元组,并提出了一种改进的分桶方法来可视化时间序列。然后,利用带三元损失函数的CNN来学习序列变化的形状特征。在此基础上,DeepPrediction进一步提出了模型共享机制,通过建立模式模型（Pattern Model,PM）来实现整个网络的高效预测。不同于个体模型（Individual Model,IM）只用于单时间序列,或总体模型（Whole Model,WM）用于网络中所有时间序列,PM适用于一类时间序列的典型变化模式。所提方法不仅显着减少预测模型的数量,并且通过增加训练样本的数目来达到提高预测模型泛化能力的目的。本文选取某个城市实际路网交通流速数据对所提方法进行了评估。实验结果表明,DeepCluster能够有效地对路段进行聚类;并且,在预测模型数量较少的情况下,PM可以达到与IM相当的预测精度。（4）面向网络场景的时序数据缺失值补全算法研究在物联网中,基于大数据技术决策的前提在于数据的完整性。然而,由于传感器及传输数据等局限,数据缺失的情况无法避免。由于复杂度较高,现有基于张量的时间序列补全技术难以在大规模网络中广泛应用。针对该问题,本文设计了一种面向网络场景的批量时序数据补全算法。为了保持时序数据在不同时间模式间的相关性,采用张量对时间序列进行建模,从而将时序数据缺失值补全问题转变为张量补全问题。在此基础上,提出了一种基于生成对抗网络（Generative Adversarial Net,GAN）的时序数据补全算法。具体而言,所提算法将建模后的序列张量看作是来自于一个未知分布的样本,并采用设计的GAN学习该张量分布。基于训练完成的GAN,建立了一个采用GAN生成的张量逼近缺失张量对应的原始张量的目标问题。该目标问题同时考虑相邻时间和相邻节点的影响,以最小化生成张量与缺失张量之间的距离并保证生成张量的真实性。实验结果表明,所提算法能够有效支持大规模网络中时间序列补全的应用。
许贝贝[5]（2020）在《水力发电机组系统可靠性与多能互补综合性能研究》文中进行了进一步梳理在国家进行电力结构化、市场化改革大背景下,风水等随机可再生能源将会更多地被电力系统所消纳。水电作为调峰调频重要角色,将会面临更为频繁的过渡工况调节和非最优工况运行两个重要发展趋势。准确认识在非最优工况运行下水轮发电机组动态变化特征,对提高水轮发电机组系统的灵活性运行和维护区域电力系统的安全可靠性具有重要的科学意义价值。机组在非最优工况区轴系振动剧烈,以传统水轮机调节系统为核心的PID调速器控制效果无法保证发电机角速度的稳定性,这严重威胁了水轮发电机组在非最优工况区的发电可靠性。论文以水轮机调节系统发电机角速度控制与轴系振动相互作用关系为关键科学问题并对传统水轮机调节系统模型进行改进以研究水轮发电机组发电可靠性和综合性能评估问题,并取得以下三方面研究成果:1.基于最优工况设计的传统水轮机调节系统因轴系振动微小而忽略其对调速器控制的影响,这已不适应能源结构改革背景下电力系统对水轮发电机组全工况运行的新要求,故提出基于传统水轮机调节系统评估非最优工况下水轮发电机组发电可靠性建模新思路——传统调节系统与水轮发电机组轴系统模型的耦合统一围绕水轮机调节系统控制与水力发电机组轴系振动相互作用关系问题,系统论述和分析调节系统与机组轴系耦合关系和参数传递方式。通过对三种耦合方法的深入研究,进一步提高了水轮机调节系统在部分负荷或过负荷工况下的模拟精度。主要包括:（1）以水轮机调节系统中发电机角速度与水轮发电机组转子形心偏移一阶导数为耦合界面参数,实现了调速器控制与轴系振动相互作用的模型统一;选择经典调节系统模型和基于纳子峡水电站现场测量轴系偏移峰峰值数据作对比探究统一模型模拟精度。结果表明:机组轴系形心偏移不受流量变化的影响,即工况变化形心偏移值保持不变,且轴系固有频率基本保持不变。可见,通过发电机角速度耦合的水轮发电机组系统在不同工况下相互作用关系极不明显,且在轴心偏移上模拟精度较差。（2）以水力不平衡力和水轮机动力矩为耦合界面参数,并选择经典调节系统模型与耦合统一模型仿真结果对比探究模型模拟精度。结果表明:水轮机调节系统动态响应模拟误差在稳定值无差别,在过渡过程下模拟误差超过10%。可见,基于水力不平衡力和水轮机动力矩耦合的系统模型能够较好反映机组在过渡过程下调节系统与轴系振动相互作用关系,但在过渡过程中模拟误差较大。（3）以水力激励力、水力不平衡力和水轮机动力矩为耦合界面参数,并对轴系不对中故障振动实验测量的轴心轨迹和振动频率与所建耦合统一模型仿真结果进行对比分析,发现机组固有频率模拟误差小于3%。可见,通过水力激励力、水力不平衡力和水轮机动力矩耦合的系统模型在模拟不对中故障时表现出较好的模拟精度。2.围绕非最优工况下水轮机调节系统耦合关系复杂且参数取值存在不确定性导致的发电可靠性评价困难问题,提出利用敏感性和可靠性分析工具量化不同工况下机组发电可靠性的新构想——水轮发电机组系统发电可靠性指标及其初步应用（1）稳定工况和过渡工况下模型参数不确定性分析从水电站参数设计角度对机组模型参数进行随机不确定性定义,并选择发电机角速度和发电机形心偏移作为调节系统和轴系系统模型输出值,从而得到机组在稳定运行工况和过渡工况下模型单参数敏感性排序和参数间相互作用的敏感性排序,进而确立水力发电系统发电可靠性的场景设计原则。（2）不同场景下水轮发电机组发电可靠性指标选取与评估通过设计不同可再生能源占比、不同风速干扰等场景,选择最小调节值、最大调节值、超调、欠调和峰值五个动态指标作为发电可靠性评估指标,研究风水互补发电系统的故障响应、调节性能等动态特征。研究结果表明,水力发电系统调节能力对随机风低标准差和梯度风高平均值低标准差极为敏感。相反,对阵风属性指标（即风速频率、幅值和偏移量）的调节敏感性较弱。此外,快速响应（以调节时间和峰值时间表示）与稳定响应（以最小调节值、最大调节值、超调、欠调和峰值表示）之间的主导因素评价比较复杂。但当快速响应与稳定响应相一致时,就很容易对水轮发电机组动态调节性能做出评价。3.为克服传统风水互补系统以天为最小时间尺度而忽略水轮发电机组动态性能状态的经济型问题,提出一种基于秒级尺度动力学模型的经济性评估方案——资源利用度、平抑性等级和综合效益分析通过研究风电资源的时间与空间尺度效应,给出简单时空尺度等效方案,进而提出基于秒级尺度的风水互补发电系统模型风速变异系数、波动系数和平抑系数的计算方法;进一步通过设计不同可再生能源占比、不同风速干扰等场景,获取风水互补系统的动态响应,并计算年运行内的售电效益、调峰效益、节省能源效益、机组启停成本、导叶疲劳损失成本、维护成本（无导叶损失）等,全方位衡量水电站在调节风电功率变化场景下所带来的经济收益情况。初步试算结果表明,基于秒级尺度的风水互补系统的经济性评估方案是可行的。
朱肖镕[6]（2020）在《基于大数据的电网无功电压支撑能力评估技术研究》文中进行了进一步梳理随着电网规模的日益扩大,全网性电压崩溃事故的可能性也在日益增加。电网无功电压方面当前存在诸多问题,这要求对电压的支撑能力制定量化指标,对繁杂的电网数据进行数据挖掘,形成可视化数据,以便于运行人员能对全网的无功电压运行情况有全局掌控,因此研究基于大数据的电网电压支撑能力评估与可视化技术研究具有重要的现实意义。本文以实际项目为依托,深度挖掘全局无功电压数据的潜在关键信息,开展无功电压支撑能力评估技术研究,研究电网数据的可视化实行办法。首先,对智能电网数据挖掘技术进行了研究,介绍了在智能电网背景下数据挖掘的几种技术类别,分析了数据预处理技术的流程及内涵。提出了将基于滑动窗口技术的孤立森林算法作为电网数据异常数据快速分辨算法,结合电网数据集进行了算例仿真,为数据聚类与插值奠定了基础。其次,分析了电网数据采集与监视控制系统的缺陷,强调了聚类、插值等方法对数据进行预处理的必要性。研究了两种聚类指标:轮廓系数和簇内误方差,分析了K均值聚类算法和基于密度对噪声鲁棒的聚类算法两种聚类方法的优缺点,提出了综合K均值聚类和基于密度对噪声鲁棒的聚类算法,研究了三次样条插值法。综合聚类与插值方法对电网数据进行了数据处理与二维可视化展示,并形成了统计数据,为最终的评估与可视化做了数据处理的铺垫。最后,分析了评估问题的内涵,研究了主观经验法和数据客观法两种建立指标体系的方法,建立了无功电压支撑能力评估指标体系,提出了基于动态分辨系数法改进的灰关联度分析法,建立了基于改进灰关联度的无功电压支撑能力评估方法。结合算例对电网无功电压支撑能力进行了分区评估,并通过分析指标权重对电网无功存在的问题实现了溯源。结合电网地理位置信息对两种工况下的电网数据进行了三维可视化展示,并对故障状态下的电网数据进行了分层分区的可视化展示。
荆科[7]（2017）在《基于重心权有理插值函数的预测模型研究》文中指出预测是根据历史及现在的信息,利用科学方法及手段,对未来发展做出判断。预测作为决策科学化表现的前提,长期以来受到学界的广泛关注,在经济管理、信息技术及能源环境等领域具有重要的理论意义和实践价值。预测建模的本质很大程度上可以归结为函数逼近和曲线拟合问题。尽管传统的逼近方法如多项式、样条等在预测模型中已取得丰硕的成果,但仍需要不断开发新的预测方法,以适应日益复杂化、多样化的数据环境要求。重心权有理插值函数作为一类重要的逼近工具,其主要研究工作集中在理论性质的深化,而在实际问题中的应用亟待进一步探讨。鉴于此,本文从新的视角出发,基于重心权有理插值函数对传统的预测理论和方法开展研究,以期为预测建模提供新途径、为科学决策提供新方法。本文选取“基于重心权有理插值函数的预测模型研究”这一主题,综合应用管理学、计算数学、经济学和统计学等学科知识,采取理论分析与实验研究相结合的方法,从以下两方面开展:一是在理论分析方面,对传统的重心权有理插值函数进行推广,并证明其在收敛性能等方面的优越性,为构建新的预测模型提供扎实的理论基础;二是在预测建模方面,以几类经典的预测模型为研究对象,如模式识别领域的支持向量机（SVM）分类预测模型、统计回归领域的非参数回归和半参数回归预测模型、“贫信息”的灰色预测模型等,基于重心权有理插值函数构造新的预测建模方法,并应用于实际问题研究。本文的主要工作和创新点如下:（1）理论上,推广了重心权有理插值函数,并证明其具有以下优良性质:第一,满足二阶导数插值条件;第二,在实数范围内无极点;第三,无论插值节点如何分布,在任意插值区间,插值函数及其一阶、二阶导函数均具有高阶收敛性质;第四,函数可以写成重心权形式。最后,数值实验表明,推广后的重心权有理插值函数的收敛阶数至少是传统重心权有理插值及三次样条插值函数的三倍以上。（2）基于重心权有理插值函数,从函数逼近角度及核函数性质出发,构造了一种新的SVM模型的核函数（BRI）,从理论上证明此核函数能获得较好的学习能力和泛化能力。数值实验表明,基于重心权有理插值函数的SVM模型不仅具有较高的分类精度,而且能够改善传统核函数对数据分布的依赖性。（3）基于重心权有理插值函数,提出了一种新的非参数回归预测模型,并给出一整套建模过程,包括基函数的构造、参数估计、诊断检验、节点选择、模型预测等。与传统的样条函数方法相比,提出的模型具有以下优势:拟合的曲线光滑性更好、模型计算复杂度较低、参数估计存在明确的含义。最后,将该模型应用于上海证券交易所交易的国债利率期限结构研究,结果显示:该模型在结构分析、计算复杂度、预测能力及经济内涵等方面均优于传统模型,能够有效提高国债利率期限结构拟合与定价的准确性。（4）基于重心权有理插值函数,构建了一种新的半参数回归预测模型,并给出了数学表示、参数估计与检验、模型选择与模型预测等建模技术。该模型拟合的曲线光滑度较高且具有明确的解析式;在选取相同节点的条件下,待估计参数的个数更少且富含实际意义,从而得到比传统样条函数方法更为深刻的结果。最后,将该模型应用于我国菲利普斯曲线研究,并在此基础上对通货膨胀率进行预测,结果显示,该模型不仅能够充分发掘我国菲利普斯曲线的非线性特征,而且有效提高了通胀率预测的精准度。（5）在灰色预测建模方面,首先,分别利用数乘变换和正交变换有效改善了 GM（1,1）模型的病态性问题。其次,基于重心权有理插值函数,构造一种新的GM（1,1）模型,其主要优势体现在:提高背景值重构的质量;优化了模型初始条件及参数。最后,基于向量值重心权有理插值函数,给出多变量MGM（1,m）模型背景值构造的新方法,在减小计算量的同时提升了模型的预测性能。实验研究表明,以上方法充分改善了模型的稳定性与适用性,有效提高了模型的预测精度。本文成果扩展了传统预测模型的研究思路,丰富了传统预测模型建模的方法体系,对改善和提高传统预测模型的建模效率具有重要的理论价值和实际意义。
刘畅[8]（2016）在《基于实测数据的电力负荷建模研究》文中进行了进一步梳理随着全球能源互联网这一概念提出,电网互联范围更广、系统容量更大,大量可再生能源接入网络使得使用传统模型的系统仿真有时可能不能反映出系统的真实的运行情况。传统的仿真精度、系统控制由于受到负荷精度的影响亟待提高。在系统仿真、规划、控制、负荷预测等方面也越来越需要更加精确贴近实际负荷特性的负荷模型。但在系统规划设计中目前较多采用ZIP静态模型或带有一定比例的电动机综合模型,系统仿真受到传统负荷模型的局限。使用传统负荷模型使得系统仿真结果与实际有着较大差距。本文首先对比分析目前常用的传统类和插值类静态模型在拟合精度方面的缺点。接着对一种基于传统类模型和三次插值类模型相结合的静态负荷模型展开研究,并对模型在拟合方面精度可调的特点进行探究。然后,分析三阶感应电动机模型化简的过程,对模型化简过程和综合模型解算过程进行研究,并根据模型的化简条件获得对实测数据的处理方法。采用改进的粒子群算法进行参数辨识,并使用实测故障录波器数据对三阶感应电动机并联ZIP的动态机理综合模型进行参数辨识。最后,分析实测动态数据的差分值,针对实测数据的特点,以减少模型参数为目的对二阶差分动态非机理模型进行化简。并通过辨识实测数据和MATLAB/Simulink仿真数据来验证简化后模型的有效性和在不同故障条件下的适用性。最后通过对比分析在辨识动态机理与非机理模型过程中算法的时间、空间复杂度,给出在线分析和离线分析选择模型时的方案。
王艳红[9]（2013）在《油田电网负荷建模技术的研究》文中提出负荷建模在电力系统的稳定计算、数字仿真和决策运行中起着十分重要的作用。负荷模型是决定仿真结果可信度的关键因素之一。在电压稳定性分析中，负荷模型对计算结果影响较大，不恰当的负荷模型会使得计算结果与实际情况不一致，从而构成系统的潜在危险或造成不必要的浪费。胜利油田电网作为全国最大的企业电网之一，担负着为胜利油田原油生产供电的重要任务，其安全稳定运行问题显得尤为重要。为了在油田电网稳定仿真计算中使用恰当的负荷模型，反映系统真实运行状况，本文研究了符合油网实际的实用负荷模型和建模方法，对于油田电网稳定性分析而言具有非常重要的意义。本文通过详细分析胜利油田的负荷特点，明确了负荷种类，即电机类负荷、电阻类负荷和整流型负荷，针对整流型负荷的建模技术进行了重点研究，通过对电路模型进行等效处理以及对数据曲线进行拟合，得到了以变频器为主的整流型负荷的静态特征系数，在此基础上，分别采用统计综合法和总体测辨法对油网负荷进行建模，得到了典型负荷节点的幂函数模型，并将其用于电压稳定性分析，对比负荷模型引入前后的PU曲线、关键节点电压水平及稳定裕度等参数，表明了恰当的负荷模型可以提高电力系统仿真分析的准确度。由于行业的特殊性，目前针对油田类负荷的建模工作开展得很少，对于油田电网的稳定性分析而言，本文的研究成果具有非常重要的现实意义和较高的实际应用价值。
姚岳[10]（2012）在《基于智能配电网的电力系统负荷建模及其影响分析》文中研究指明电力负荷是电力系统的重要组成部分,它在电力系统的运行控制、分析设计中起着重要的作用。在电力系统的研究中,负荷模型的准确度影响着电网的调度运行、规划和决策。因此,负荷模型的建立及其对智能电网的影响研究受到国内外学者的极大关注。建设坚强的智能电网是未来电网发展的趋势,智能电网的发展必将包含电动汽车的应用,随着电动汽车及其充放电技术的不断发展,电动汽车将越来越多地应用于人们的生活当中。当电动汽车充放电站规模化建设、电动汽车规模化应用时,庞大的电动汽车负荷将会对电网负荷造成一定程度的影响。为了保证电网能够满足电动汽车发展的需求同时避免电动汽车对电网的运行造成不良影响,需要研究电动汽车规模化应用对电网的影响等。因此,本文利用统计综合法对电力负荷进行建模,利用三次样条插值函数和实测电网潮流数据验证模型的有效性,并在此基础上分析了电动汽车的接入对智能配电网的影响等。论文主要内容如下：（1）介绍了智能配电网的概念以及电力系统负荷建模的概念、方法、常见模型结构及其参数辨识方法等。论文采用统计综合法进行负荷建模,首先对山西某地区的用电行业分类,选取典型用户,通过调查统计得到该地区各用户的设备参数,最后建立某变电站节点的综合负荷模型。（2）通过变电站监测设备实际测得的电压、功率数据建立三次样条插值函数模型,所建立的模型曲线能够最真实的反应实测数据点的变化趋势。用三次样条函数模型与所建立的综合负荷幂函数模型进行对比,验证幂函数模型的有效性。（3）结合山西某地实际的电动汽车充放电站的建设,根据电动汽车充放电方式的不同,引出电动汽车负荷的分类。作为传统负荷吸收电能的一类电动汽车称为基本负荷,简称基荷；实现电能充放电过程的一类电动汽车称为双向负荷。双向负荷的充放电采用Vehicle to Grid （V2G）技术,即可以实现电动汽车与电网的双向互动,电动汽车本身又可作为可移动的分布式储能单元。同时分析了充放电机的运行情况,结合当地的电网运行特性分析了基荷与双向负荷对电网负荷曲线的影响,得出作为双向负荷的电动汽车可以实现负荷移峰填谷。（4）在PSASP中搭建某地电网一次图,将所得综合负荷模型带入负荷参数中,首先将仿真计算所得的电网潮流数据与实测潮流数据对比分析,验证了所建模型的适用性和有效性；同时计算电动汽车在充放电模式下的电网潮流,对电力规划有一定的参考价值。其次,对电网中的线损进行分析计算,考虑了包含电动汽车的电网中不同季节的电网损耗。最后分析了包含电动汽车的配电变压器损耗以及电压变化趋势,得出电动汽车的加入使得变压器的铜耗增加,而在用电高峰时段充电,充电距离越远变压器两侧的电压越低。
二、电力负荷静态样条函数模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电力负荷静态样条函数模型（论文提纲范文）
（1）计及变频异步电机的电力系统负荷建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 负荷建模的发展与研究现状 |
| 1.2.1 负荷建模的研究现状 |
| 1.2.2 计及变频电机的研究现状 |
| 1.3 本课题的主要研究内容 |
| 2 负荷建模的基本理论 |
| 2.1 负荷模型结构 |
| 2.1.1 常用负荷模型 |
| 2.1.2 静态负荷模型 |
| 2.1.3 动态负荷模型 |
| 2.2 负荷建模方法 |
| 2.2.1 故障拟合法 |
| 2.2.2 总体测辨法 |
| 2.2.3 统计综合法 |
| 2.3 本章小结 |
| 3 变频异步电机与传统异步电机的响应特性对比 |
| 3.1 变频异步电机的工作原理与仿真建模 |
| 3.1.1 变频异步电机的工作原理 |
| 3.1.2 变频异步电机的仿真建模 |
| 3.2 变频异步电机与传统异步电机的有功无功响应对比 |
| 3.2.1 不同电压跌落下的有功无功响应对比 |
| 3.2.2 不同频率跌落下的有功无功响应对比 |
| 3.3 本章小结 |
| 4 变频异步电机的等效负荷建模 |
| 4.1 变频异步电机数学简化模型 |
| 4.2 变频异步电机的负荷模型参数辨识 |
| 4.2.1 参数辨识方法 |
| 4.2.2 最小二乘法拟合 |
| 4.2.3 评价指标 |
| 4.3 参数辨识结果验证 |
| 4.3.1 参数辨识结果 |
| 4.3.2 辨识曲线分析 |
| 4.4 本章小结 |
| 5 基于PSASP用户自定义的负荷建模 |
| 5.1 PSASP的用户自定义模型方法 |
| 5.2 暂态仿真中的用户自定义负荷模型接口实现 |
| 5.2.1 自定义负荷模型实现过程 |
| 5.2.2 自定义负荷模型分析 |
| 5.3 不同比例的负荷模型对比 |
| 5.4 等效模型对电压稳定性的影响 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（2）电力电子化电力系统动态负荷建模与参数辨识研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 电力负荷建模的背景及意义 |
| 1.1.2 电力电子化电力系统发展趋势 |
| 1.1.3 电力电子化电力系统负荷建模重要意义 |
| 1.2 负荷建模的发展现状 |
| 1.2.1 负荷建模的发展过程 |
| 1.2.2 负荷建模的研究现状 |
| 1.3 电力电子化电力系统负荷建模存在的问题 |
| 1.4 本文的研究内容与章节安排 |
| 2 负荷建模的基本理论 |
| 2.1 负荷建模方法 |
| 2.1.1 统计综合法 |
| 2.1.2 总体测辨法 |
| 2.1.3 故障仿真法 |
| 2.2 负荷模型结构研究 |
| 2.2.1 静态负荷模型 |
| 2.2.2 动态负荷模型 |
| 2.2.3 综合负荷模型 |
| 2.3 参数辨识方法 |
| 2.4 电力电子化电力系统负荷建模研究方法 |
| 2.4.1 电力电子化负荷建模研究框架 |
| 2.4.2 电力电子化负荷模型结构 |
| 2.4.3 电力电子化负荷辨识策略 |
| 2.5 本章小结 |
| 3 电力系统动态负荷建模 |
| 3.1 电力电子化的动态负荷模型 |
| 3.1.1 建模思路 |
| 3.1.2 逆变器控制原理 |
| 3.2 动态负荷建模 |
| 3.2.1 网侧电源和整流部分建模 |
| 3.2.2 感应电机数学模型 |
| 3.2.3 V/F控制的逆变器数学模型 |
| 3.2.4 直流支路的中间变量数学模型 |
| 3.2.5 全系统数学模型 |
| 3.3 仿真验证 |
| 3.3.1 电压扰动验证动态模型 |
| 3.3.2 频率扰动验证动态模型 |
| 3.3.3 电压与频率扰动验证动态模型 |
| 3.4 灵敏性分析 |
| 3.4.1 系统灵敏度分析理论 |
| 3.4.2 负荷模型参数灵敏度分析 |
| 3.5 本章小结 |
| 4 基于粒子群算法的动态负荷参数辨识 |
| 4.1 粒子群算法的辨识原理 |
| 4.1.1 粒子群算法概述 |
| 4.1.2 粒子群算法的步骤与流程 |
| 4.2 实测数据获取及预处理 |
| 4.2.1 实测数据的获取 |
| 4.2.2 实测数据预处理 |
| 4.3 参数辨识与分析 |
| 4.3.1 粒子群算法的目标函数选择 |
| 4.3.2 参数设置方案 |
| 4.3.3 辨识结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（3）电力动态负荷的游程特性分析及其应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 负荷模型的研究现状 |
| 1.2.1 电力负荷模型的研究现状 |
| 1.2.2 误差测试负荷模型的研究现状 |
| 1.3 电力负荷特性分析的研究现状 |
| 1.3.1 交流电弧炉负荷特性 |
| 1.3.2 电气化铁路牵引负荷特性 |
| 1.4 电能表计量模型的研究现状 |
| 1.5 本文的主要研究内容 |
| 1.6 本文的创新点 |
| 第二章 典型电力动态负荷信号的预处理与波形特性分析 |
| 2.1 引言 |
| 2.2 电力动态负荷的相关定义 |
| 2.3 典型电力动态负荷信号的采集 |
| 2.4 典型电力动态负荷信号的预处理 |
| 2.4.1 电力动态负荷信号的数学表示 |
| 2.4.2 电力动态负荷信号的预处理方法 |
| 2.5 电力动态负荷信号的波形特性分析 |
| 2.5.1 交流炼钢电弧炉的波形特性 |
| 2.5.2 电气化铁路牵引机车的波形特性 |
| 2.5.3 典型电力动态负荷信号的波形特性总结 |
| 2.6 本章小结 |
| 第三章 电力动态负荷信号游程特性的分析 |
| 3.1 引言 |
| 3.2 电力动态负荷信号的调制模型 |
| 3.2.1 负荷信号的双特征调制模型 |
| 3.2.2 负荷信号的双特征函数序列调制模型 |
| 3.3 电力动态负荷电流信号的特征参量 |
| 3.3.1 负荷电流信号的幅度随机特征参量 |
| 3.3.2 负荷电流信号的游程随机特征参量 |
| 3.4 电力动态负荷电流信号的二元游程序列 |
| 3.4.1 负荷电流信号二元游程序列的波形分析 |
| 3.4.2 负荷电流信号的幅度和游程的相关性 |
| 3.5 电力动态负荷电流信号的幅度和游程的特性分析 |
| 3.5.1 负荷电流信号的游程 |
| 3.5.2 负荷电流信号的幅度和游程的特征指标 |
| 3.5.3 负荷电流信号的幅度和游程的特征分析 |
| 3.6 本章小结 |
| 第四章 智能电能表的综合误差分析 |
| 4.1 引言 |
| 4.2 智能电能表的结构与功能 |
| 4.2.1 智能电能表的系统结构 |
| 4.2.2 电能表的信号采集与电能计量结构 |
| 4.3 电能表计量系统的综合动态误差模型 |
| 4.3.1 信号采集模块的数学模型 |
| 4.3.2 电能计量模块的数学模型 |
| 4.3.3 计量系统的综合误差数学模型 |
| 4.4 负荷游程长度波动对电能表的误差影响分析 |
| 4.5 本章小结 |
| 第五章 智能电能表误差仿真分析与测试实验 |
| 5.1 引言 |
| 5.2 负荷信号游程特性与m序列特性 |
| 5.3 电能表动态误差测试信号的产生 |
| 5.3.1 m序列的产生 |
| 5.3.2 m序列测试信号的产生 |
| 5.4 电能表动态误差仿真分析 |
| 5.4.1 电能表动态误差仿真分析方案 |
| 5.4.2 电能表动态误差仿真分析结果 |
| 5.5 电能表动态误差测试实验 |
| 5.5.1 电能表动态误差测试实验方案 |
| 5.5.2 电能表动态误差测试实验结果 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者与导师简介 |
| 附件 |
（4）物联网时序数据的建模与分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号列表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 物联网时间序列 |
| 1.2.1 时间序列概念 |
| 1.2.2 物联网时序数据典型特征 |
| 1.2.3 时间序列分析任务 |
| 1.3 时序数据建模与分析的研究现状以及挑战 |
| 1.3.1 国内外研究现状 |
| 1.3.2 现有研究存在的问题 |
| 1.4 论文主要贡献及组织结构 |
| 1.4.1 论文主要工作与创新 |
| 1.4.2 论文结构与内容 |
| 第二章 小样本时序数据的建模与短期预测算法研究 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 基于集成学习的时间序列建模与预测算法 |
| 2.3.1 加法表达式 |
| 2.3.2 提升回归算法 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第三章 大样本时序数据的建模与长短期预测算法研究 |
| 3.1 引言 |
| 3.2 时间序列长期预测所面临的挑战以及目标问题 |
| 3.3 时变卷积神经网络:TD-CNN |
| 3.4 周期递归神经网络:C-LSTM |
| 3.5 实验结果及分析 |
| 3.5.1 数据集 |
| 3.5.2 实验设置 |
| 3.5.3 实验结果 |
| 3.6 本章小结 |
| 第四章 基于深度聚类的时间序列预测技术网络化方法研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 时间序列预测技术网络化方法 |
| 4.3.1 基于表示学习的深度聚类模块:DeepCluster |
| 4.3.2 深度预测模块:DeepPrediction |
| 4.4 实验结果及分析 |
| 4.4.1 数据集 |
| 4.4.2 实验配置 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第五章 面向网络场景的时序数据缺失值补全算法研究 |
| 5.1 引言 |
| 5.2 时间序列建模与目标问题 |
| 5.2.1 时间序列的张量建模 |
| 5.2.2 问题描述 |
| 5.3 基于内容感知的时序数据GAN补全算法:CA-GAN |
| 5.3.1 张量生成模型 |
| 5.3.2 张量补全 |
| 5.4 性能评估与分析 |
| 5.4.1 数据集 |
| 5.4.2 实验配置 |
| 5.4.3 交通生成模型 |
| 5.4.4 交通流速补全性能评估 |
| 5.4.5 性能比较 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 论文主要工作总结 |
| 6.2 全文展望 |
| 附录一 缩略语列表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）水力发电机组系统可靠性与多能互补综合性能研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 能源结构现状与发展趋势 |
| 1.2.1 能源结构大转型下的水电角色 |
| 1.2.2 能源结构调整水电调节重任 |
| 1.3 水力发电系统运行稳定性研究综述 |
| 1.3.1 水轮机调节系统之发电可靠性 |
| 1.3.2 水轮发电机组轴系统之轴系振动 |
| 1.3.3 风光水多能互补分析 |
| 1.4 发电可靠性研究综述 |
| 1.4.1 敏感性分析 |
| 1.4.2 可靠性分析 |
| 1.4.3 经济性分析 |
| 1.5 课题来源 |
| 1.6 研究思路与技术路线 |
| 1.6.1 研究思路 |
| 1.6.2 技术路线 |
| 第二章 水轮机调节系统基本模型及随机扰动分析 |
| 2.1 引言 |
| 2.2 水轮机调节系统动力学模型及其随机扰动概述 |
| 2.2.1 引水系统动态模型随机扰动 |
| 2.2.2 水轮机线性化(非线性)动态数学模型及随机扰动 |
| 2.2.3 同步发电机动态模型随机扰动 |
| 2.2.4 负荷动态模型随机扰动 |
| 2.2.5 调速器动态模型 |
| 2.2.6 励磁系统动态模型 |
| 2.2.7 水轮机调节系统任务与调节模式 |
| 2.3 本章小结 |
| 第三章 水轮发电机组轴系与水轮机调节系统耦合建模 |
| 3.1 引言 |
| 3.2 水轮发电机组轴系与水轮机调节系统耦合建模 |
| 3.2.1 以发电机角速度为传递参数的耦合统一建模 |
| 3.2.2 以水力不平衡力和水轮机动力矩为传递参数的耦合统一建模 |
| 3.2.3 以水力激励力为传递参数的耦合统一建模 |
| 3.3 本章小结 |
| 第四章 水轮发电机组系统参数不确定性分析 |
| 4.1 引言 |
| 4.2 数值仿真抽样方法 |
| 4.2.1 蒙特卡洛(Monte-Carlo)抽样方法原理 |
| 4.2.2 蒙特卡洛(Monte-Carlo)抽样方法步骤 |
| 4.3 敏感性分析方法 |
| 4.3.1 扩展傅里叶幅度检验法 |
| 4.3.2 Sobol敏感性分析 |
| 4.4 基于发电机角速度耦合统一模型参数不确定性分析与模型验证 |
| 4.4.1 水轮机调节系统与水轮发电机组轴系耦合系统模型 |
| 4.4.2 模型参数不确定性分析与模型验证 |
| 4.4.3 不对中参数对系统模型状态变量动态演化过程影响 |
| 4.4.4 发电机转子形心晃动幅度和不对中量关系 |
| 4.4.5 小结 |
| 4.5 基于水力不平衡力和动力矩模型参数不确定性分析与模型验证 |
| 4.5.1 水轮机调节系统与水轮发电机组轴系耦合系统模型 |
| 4.5.2 模型参数不确定性分析 |
| 4.5.3 水轮机调节系统与水轮发电机组轴系耦合系统模型验证 |
| 4.5.4 小结 |
| 4.6 基于水力不平衡和动力矩的耦合系统振动模态分析 |
| 4.6.1 水轮机调节系统与水轮发电机组轴系耦合系统模型 |
| 4.6.2 非线性模态级数法 |
| 4.6.3 非线性振动模态分析方法验证 |
| 4.6.4 一阶振动模态分析 |
| 4.6.5 讨论 |
| 4.6.6 小结 |
| 4.7 相继甩负荷工况下水力发电系统模型参数不确定性分析 |
| 4.7.1 全局敏感性分析 |
| 4.7.2 模型验证 |
| 4.7.3 相继甩负荷对管道压力的影响 |
| 4.7.4 相继甩负荷对调压室涌浪的影响 |
| 4.7.5 相继甩负荷对转速波动的影响 |
| 4.7.6 小结 |
| 4.8 本章小结 |
| 第五章 风光水互补发电系统发电可靠性分析 |
| 5.1 引言 |
| 5.2 可靠性分析方法 |
| 5.2.1 一阶可靠度法 |
| 5.2.2 二阶可靠度法 |
| 5.3 混合光伏/风电/水电微电网系统建模与参数不确定性分析 |
| 5.3.1 基于水力激励力的耦合系统模型 |
| 5.3.2 混合光伏/风电微电网 |
| 5.3.3 参数不确定性对水力发电系统发电可靠性的影响 |
| 5.3.4 水力发电系统参数间相互作用对并网可靠性影响 |
| 5.3.5 水力发电系统轴系模型验证 |
| 5.3.6 混合光伏/风电/水电微电网系统建模 |
| 5.3.7 混合光伏/风电/水电微电网系统三相短路故障分析 |
| 5.3.8 小结 |
| 5.3.9 微电网系统参数 |
| 5.4 风水互补发电系统发电可靠性分析 |
| 5.4.1 风水互补发电系统模型说明 |
| 5.4.2 风力发电系统风速模型场景 |
| 5.4.3 风水互补系统互补特性分析 |
| 5.4.4 风水互补系统发电可靠性评估指标 |
| 5.4.5 风水互补系统水轮发电机组发电可靠性评估 |
| 5.4.6 小结 |
| 5.5 本章小结 |
| 第六章 水力发电系统的综合调节优势 |
| 6.1 引言 |
| 6.2 基于时空尺度风水互补发电资源利用度与平抑性等级评估 |
| 6.2.1 基于连续小波变换的时间序列多尺度分解 |
| 6.2.2 基于连续小波变换分析的时间序列多尺度分解 |
| 6.2.3 基于最小二乘支持向量机的等级评估 |
| 6.2.4 系统资源利用度与平抑性等级评估模型 |
| 6.2.5 风水互补发电系统联合模型 |
| 6.2.6 各类风速条件下风力发电资源评估 |
| 6.2.7 小结 |
| 6.3 水力发电系统在调节风力波动方面的经济性评估 |
| 6.3.1 综合评价方法 |
| 6.3.2 风水互补特性分析 |
| 6.3.3 十四节点网络风水互补发电系统综合优势分析 |
| 6.3.4 风水互补系统综合调节效益分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文的主要贡献 |
| 7.2 工作设想 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的研究成果 |
（6）基于大数据的电网无功电压支撑能力评估技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无功电压支撑能力评估研究现状 |
| 1.2.2 大数据及可视化在电力系统中的应用与研究现状 |
| 1.3 本文主要研究内容 |
| 2 电网无功支撑能力数据挖掘及异常数据快速分辨 |
| 2.1 智能电网数据挖掘技术 |
| 2.1.1 基本思想 |
| 2.1.2 数据预处理 |
| 2.2 异常数据快速分辨技术 |
| 2.2.1 孤立森林理论 |
| 2.2.2 滑动窗口技术 |
| 2.2.3 算例仿真 |
| 2.3 本章小结 |
| 3 基于聚类与插值的无功电压支撑能力分层分区大数据预处理方法 |
| 3.1 聚类理论 |
| 3.1.1 聚类指标 |
| 3.1.2 聚类方法 |
| 3.2 三次样条插值理论 |
| 3.3 算例仿真 |
| 3.3.1 数据聚类 |
| 3.3.2 插值后数据展示 |
| 3.4 本章小结 |
| 4 无功电压支撑能力评估技术 |
| 4.1 无功电压支撑能力评估 |
| 4.1.1 无功电压支撑能力评估指标理论 |
| 4.1.2 无功电压支撑能力评估指标体系 |
| 4.1.3 无功电压支撑能力评估方法 |
| 4.2 评估及可视化算例仿真 |
| 4.2.1 评估结果及分析 |
| 4.2.2 正常运行与故障工况下电网数据分层分区可视化展示 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于重心权有理插值函数的预测模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 支持向量机分类预测模型 |
| 1.2.2 非参数回归预测模型 |
| 1.2.3 半参数回归预测模型 |
| 1.2.4 灰色预测模型 |
| 1.2.5 重心权有理插值函数 |
| 1.3 结构安排与主要创新 |
| 1.3.1 结构安排 |
| 1.3.2 主要创新 |
| 第二章 重心权有理插值函数的理论研究 |
| 2.1 引言 |
| 2.2 插值公式 |
| 2.3 收敛性质 |
| 2.4 重心权形式 |
| 2.5 实验研究 |
| 2.6 结论分析 |
| 第三章 基于重心权有理插值函数的SVM分类预测模型 |
| 3.1 引言 |
| 3.2 核函数构造 |
| 3.2.1 基于一元重心权有理插值的核函数 |
| 3.2.2 基于多元重心权有理插值的核函数 |
| 3.3 实验研究 |
| 3.4 结论分析 |
| 第四章 基于重心权有理插值函数的非参数回归预测模型 |
| 4.1 引言 |
| 4.2 模型与方法 |
| 4.2.1 非参数回归预测模型 |
| 4.2.2 基函数的构造 |
| 4.2.3 模型估计与检验 |
| 4.2.4 节点选择 |
| 4.2.5 模型预测 |
| 4.3 实验研究 |
| 4.3.1 利率期限结构 |
| 4.3.2 模型估计与检验 |
| 4.3.3 预测表现 |
| 4.4 结论分析 |
| 第五章 基于重心权有理插值函数的半参数回归预测模型 |
| 5.1 引言 |
| 5.2 模型与方法 |
| 5.2.1 半参数回归预测模型 |
| 5.2.2 基函数的构造 |
| 5.2.3 模型估计与检验 |
| 5.2.4 模型选择 |
| 5.2.5 模型预测 |
| 5.3 实验研究 |
| 5.3.1 菲利普斯曲线模型 |
| 5.3.2 模型估计与检验 |
| 5.3.3 预测表现 |
| 5.4 结论分析 |
| 第六章 基于重心权有理插值函数的灰色预测模型 |
| 6.1 引言 |
| 6.2 基于重心权有理插值函数的GM(1,1)模型 |
| 6.2.1 降低谱条件数 |
| 6.2.2 正交变换求解 |
| 6.2.3 背景值重构 |
| 6.2.4 参数优化 |
| 6.2.5 实验研究 |
| 6.3 基于向量值重心权有理插值函数的MGM(1,m)模型 |
| 6.3.1 建模方法 |
| 6.3.2 实验研究 |
| 6.4 结论分析 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 7.2.1 重心权有理插值在本文模型中的应用 |
| 7.2.2 重心权有理插值在其他模型中的应用 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（8）基于实测数据的电力负荷建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 负荷模型在系统分析中的影响 |
| 1.2.1 负荷模型在系统潮流计算中的影响 |
| 1.2.2 负荷模型在暂态稳定分析中的影响 |
| 1.2.3 负荷模型在电压稳定分析中的影响 |
| 1.2.4 负荷模型在低频振荡分析中的影响 |
| 1.3 负荷建模的研究现状 |
| 1.3.1 负荷模型种类 |
| 1.3.2 建模方法 |
| 1.3.3 建模数据来源 |
| 1.3.4 辨识方法 |
| 1.3.5 负荷聚类 |
| 1.3.6 建模策略发展 |
| 1.4 本文的主要研究内容 |
| 第2章 混合静态负荷模型的建立 |
| 2.1 引言 |
| 2.2 传统静态模型与分段插值类静态模型对比 |
| 2.2.1 ZIP模型与幂函数模型 |
| 2.2.2 常用分段插值类模型 |
| 2.3 混合静态模型的建立 |
| 2.3.1 混合静态模型结构 |
| 2.3.2 混合静态模型建模过程 |
| 2.3.3 混合静态模型电压-功率特性曲线连续性 |
| 2.4 混合静态模型建模算例 |
| 2.4.1 混合静态模型建模算例 |
| 2.4.2 混合静态模型建模结果分析 |
| 2.5 本章小结 |
| 第3章 动态机理综合模型辨识 |
| 3.1 引言 |
| 3.2 动态机理综合模型动态部分模型推导 |
| 3.2.1 三阶异步电动机实用模型推导 |
| 3.2.2 动态部分输出功率 |
| 3.2.3 综合负荷模型组成 |
| 3.3 实测数据处理与参数辨识方法 |
| 3.3.1 DFR数据提取与处理 |
| 3.3.2 模型计算过程 |
| 3.3.3 基于优选和杂交相结合的粒子群算法 |
| 3.4 动态机理综合模型建模算例 |
| 3.4.1 建模使用电气量数据获得 |
| 3.4.2 辨识结果 |
| 3.5 本章小结 |
| 第4章 动态非机理综合模型的简化 |
| 4.1 引言 |
| 4.2 二阶差分动态模型的化简 |
| 4.2.1 模型化简的数据条件 |
| 4.2.2 简化的二阶差分动态模型形式 |
| 4.3 二阶差分动态模型建模算例 |
| 4.3.1 实测故障录波数据建模 |
| 4.3.2 Simulink仿真模型数据建模 |
| 4.4 模型对比 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）油田电网负荷建模技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 电力负荷建模的意义 |
| 1.3 负荷建模的发展历程与现状 |
| 1.4 油田电网负荷分析 |
| 1.4.1 油网负荷分类 |
| 1.4.2 油网负荷特殊性 |
| 1.5 本文所做工作 |
| 第2章 电力负荷建模的基本理论 |
| 2.1 电力负荷模型分类 |
| 2.2 电力负荷模型结构 |
| 2.2.1 静态负荷模型 |
| 2.2.2 动态负荷模型 |
| 2.3 电力负荷模型的选择 |
| 2.4 建模方法 |
| 2.4.1 统计综合法 |
| 2.4.2 总体测辨法 |
| 2.4.3 故障仿真法 |
| 2.5 系统辨识方法 |
| 第3章 统计综合法建模 |
| 3.1 模型结构及建模方法选择 |
| 3.1.1 模型结构选择 |
| 3.1.2 建模方法选择 |
| 3.2 建模步骤 |
| 3.3 整流型负荷建模技术研究 |
| 3.3.1 整流型负荷直流侧等效模型 |
| 3.3.2 静态特征系数的确定 |
| 3.4 建模实例 |
| 3.4.1 辛七变负荷比重 |
| 3.4.2 辛八变负荷比重 |
| 3.4.3 综合负荷模型 |
| 3.5 负荷模型接入对稳定性分析的影响 |
| 3.5.1 220kV 节点的静态电压稳定分析 |
| 3.5.2 110kV 节点的静态电压稳定分析 |
| 第4章 总体测辨法建模 |
| 4.1 参数辨识方法 |
| 4.2 建模实例 |
| 4.3 稳定性分析结果 |
| 4.3.1 220kV 节点的静态电压稳定分析 |
| 4.3.2 110kV 节点的静态电压稳定分析 |
| 第5章 全文总结与展望 |
| 5.1 本文的研究成果 |
| 5.2 今后研究工作的展望 |
| 参考文献 |
| 致谢 |
（10）基于智能配电网的电力系统负荷建模及其影响分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题目的和意义 |
| 1.2 智能配电网的发展概述 |
| 1.2.1 智能配电网的概念 |
| 1.2.2 智能配电网的特征 |
| 1.2.3 智能配电网的功能要求 |
| 1.3 电力系统负荷建模的概念 |
| 1.4 负荷建模的研究现状 |
| 1.4.1 负荷模型的分类 |
| 1.4.2 负荷模型的选择 |
| 1.4.3 建模方法的选择 |
| 1.5 本文主要工作 |
| 第二章 统计综合法建模 |
| 2.1 统计综合法负荷建模的基本原理 |
| 2.2 模型参数集结 |
| 2.3 本文建模思路 |
| 2.4 行业负荷构成调查及其特性分析 |
| 2.4.1 基于模糊综合评价的聚类分析 |
| 2.4.2 工业负荷分析 |
| 2.4.3 商业负荷分析 |
| 2.4.4 居民负荷分析 |
| 2.4.5 农业负荷分析 |
| 2.4.6 节点综合负荷特性参数 |
| 2.5 本章小结 |
| 第三章 三次样条插值函数模型 |
| 3.1 样条函数的概念 |
| 3.2 三次样条插值函数 |
| 3.3 基于实测数据的模型曲线 |
| 3.3.1 工业负荷侧模型比较 |
| 3.3.2 商业负荷侧模型比较 |
| 3.3.3 居民负荷侧模型比较 |
| 3.4 本章小结 |
| 第四章 电动汽车接入对电网影响分析 |
| 4.1 电动汽车的研究现状 |
| 4.2 电动汽车充放电模式及V2G功能的实现 |
| 4.2.1 电动汽车的充放电模式 |
| 4.2.2 电动汽车作为双向负荷实现的功能 |
| 4.2.3 电动汽车实现V2G功能的关键问题 |
| 4.3 充放电机模型的建立 |
| 4.3.1 充放电机结构介绍 |
| 4.3.2 充放电机的运行情况 |
| 4.4 忻州电动汽车充放电站的建设 |
| 4.5 电动汽车应用对电网的影响 |
| 4.5.1 作为基荷的电动汽车接入对电网的影响 |
| 4.5.2 作为双向能量传输的电动汽车接入对电网的影响 |
| 4.6 本章小结 |
| 第五章 负荷模型的潮流仿真与电动汽车对配电网影响分析 |
| 5.1 PSASP的程序介绍 |
| 5.1.1 PSASP实现潮流计算 |
| 5.1.2 PSASP实现网损分析 |
| 5.2 几种情景下的潮流计算 |
| 5.2.1 考虑负荷模型参数的潮流计算 |
| 5.2.2 考虑电动汽车基荷负荷的潮流计算 |
| 5.2.3 考虑电动汽车V2G功能的潮流计算 |
| 5.3 电网线损介绍 |
| 5.3.1 基本概念 |
| 5.3.2 线路损耗计算 |
| 5.3.3 变压器损耗计算 |
| 5.4 几种情景下的线损分析计算 |
| 5.4.1 夏季工作时段 |
| 5.4.2 冬季工作时段 |
| 5.5 电动汽车的接入对低压配电变压器的影响分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 三次样条插值函数MATLAB程序 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
四、电力负荷静态样条函数模型（论文参考文献）
- [1]计及变频异步电机的电力系统负荷建模研究[D]. 周衡. 重庆理工大学, 2021(02)
- [2]电力电子化电力系统动态负荷建模与参数辨识研究[D]. 杨淞淇. 重庆理工大学, 2021(02)
- [3]电力动态负荷的游程特性分析及其应用[D]. 邱兰. 北京化工大学, 2020(02)
- [4]物联网时序数据的建模与分析方法研究[D]. 韩灵怡. 北京邮电大学, 2020(02)
- [5]水力发电机组系统可靠性与多能互补综合性能研究[D]. 许贝贝. 西北农林科技大学, 2020
- [6]基于大数据的电网无功电压支撑能力评估技术研究[D]. 朱肖镕. 南京理工大学, 2020(01)
- [7]基于重心权有理插值函数的预测模型研究[D]. 荆科. 合肥工业大学, 2017(08)
- [8]基于实测数据的电力负荷建模研究[D]. 刘畅. 哈尔滨工业大学, 2016(02)
- [9]油田电网负荷建模技术的研究[D]. 王艳红. 中国石油大学（华东）, 2013(06)
- [10]基于智能配电网的电力系统负荷建模及其影响分析[D]. 姚岳. 太原理工大学, 2012(09)