微電網等效建模理論與方法

蔡昌春

  • 出版商: 電子工業
  • 出版日期: 2020-10-01
  • 定價: $534
  • 售價: 8.5$454
  • 語言: 簡體中文
  • 頁數: 180
  • ISBN: 7121374277
  • ISBN-13: 9787121374272

下單後立即進貨 (約4週~6週)

商品描述

本書主要內容分為三部分:第一部分主要介紹微電網發展相關理論基礎,主要由分佈式電源及其控制系統建模:包括風、光、儲、荷等微電網內部元件模型結構、運行特性;第二部分主要介紹基於機理模型的微電網等效建模,包括微電網整體等效簡化方法和微電網等效模型及其參數辨識;第三部分主要介紹基於非機理模型的微電網等效建模,包括神經網絡建模方法、特徵模型建模方法等。

作者簡介

蔡昌春,男,博士,副教授。
1981年6月19日生於浙江樂清。
分別於2003年6月、2007年4月、2012年6月在河海大學獲得本科、碩士、博士學位。
2016―2017年在美國田納西大學美國能源局大電網研究中心訪問。
長期從事分佈式發電系統建模、微電網運行控制、智慧能源、能源互聯網等方面研究,參加國家863、973、自然科學基金等科研項目,申請發明專利10多項,授權6項,獲授權實用新型專利6項。

目錄大綱

D 1 章緒論··1  
1.1 引言·1  
1.2 微電網發展概述··2  
1.2.1 國外微電網技術的發展···2  
1.2.2 GN微電網技術的發展···6  
1.3 微電網建模研究概述····9  
1.3.1 微電網建模難點9  
1.3.2 微電網建模趨勢···11  
參考文獻12  

D 2 章微電網建模理論與方法····14  
2.1 引言····14  
2.2 微電網元件模型14  
2.2.1 風力發電系統··14  
2.2.2 光伏發電系統··19  
2.2.3 燃氣輪機發電系統····21  
2.2.4 儲能係統23  
2.2.5 負荷··24  
2.3 微電網建模相關理論··27  
2.3.1 可辨識性分析定義····27  
2.3.2 可辨識性分析方法····29  
參考文獻33  

D 3 章微電網元件頻率特性建模36  
3.1 引言····36  
3.2 考慮頻率特性的感應電機模型··36  
3.2.1 Park 模型····36  
3.2.2 等效模型41  
3.2.3 算例分析43  
3.3 微電網負荷頻率建模··49  
3.3.1 考慮頻率特性的負荷模型··50  
3.3.2 負荷模型的參數辨識50  
3.3.3 算例分析53  
參考文獻56  

D 4 章微電網並網等效建模的化簡方法····58  
4.1 引言····58  
4.2 微電網系統及其仿真··58  
4.2.1 微電網系統·58  
4.2.2 仿真分析59  
4.3 微電網等效化簡65  
4.3.1 網絡化簡65  
4.3.2 元件參數化簡··67 ·VII.  
4.4 算例分析·76  
參考文獻81  

D 5 章基於物理模型的微電網等效建模····83  
5.1 引言····83  
5.2 微電網並網機理等效模型····83  
5.2.1 等效電機元件··85  
5.2.2 等效靜態元件··89  
5.2.3 微電網等效模型···89  
5.3 微電網等效模型參數辨識····91  
5.3.1 模型參數91  
5.3.2 勵磁電壓等效··92  
5.3.3 參數辨識93  
5.4 算例分析·99  
5.4.1 參數靈敏度分析···99  
5.4.2 模型參數辨識105  
參考文獻···109  

D 6 章人工神經網絡的微電網等效建模··110  
6.1 引言··110  
6.2 人工神經網絡··110  
6.2.1 人工神經網絡概念··110  
6.2.2 RBF 人工神經網絡·.111  
6.3 RBF 人工神經網絡的微電網等效建模··113  
6.3.1 RBF 人工神經網絡微電網等效模型114  
6.3.2 RBF 人工神經網絡微電網等效建模過程··115  
6.3.3 算例分析···116  
6.4 模糊RBF 人工神經網絡的微電網建模··122  
6.4.1 模糊RBF 人工神經網絡概念122  
6.4.2 改進細菌覓食算法··123  
6.4.3 建模過程···125  
6.4.4 算例分析···128  
參考文獻···133 
 
D 7 章基於LSTM 神經網絡的微電網等效建模····135  
7.1 引言··135  
7.2 LSTM 神經網絡···136  
7.2.1 LSTM 神經網絡結構····136  
7.2.2 LSTM 神經網絡計算過程·137  
7.3 微電網等效建模···140  
7.3.1 等效建模過程140  
7.3.2 神經網絡訓練141  
7.4 微電網運行的多場景劃分··143  
7.4.1 基於馬爾可夫鏈的場景劃分··143  
7.4.2 基於K-means 聚類的場景消減··144  
7.5 仿真算例····146  
7.5.1 微電網運行場景構建···146  
7.5.2 不同場景下微電網等效建模··152  
參考文獻···156 
 
D 8 章基於特徵模型的微電網等效建模··157  
8.1 引言··157  
8.2 系統特徵建模··157  
8.2.1 系統特徵模型159  
8.2.2 模型係數···160  
8.2.3 基於多變量系統的特徵模型··161  
8.3 微電網等效建模···162  
8.3.1 微電網系統模型·162  
8.3.2 微電網特徵建模·163  
8.3.3 等效模型參數辨識··165  
8.4 算例分析····166  
8.4.1 測量數據採集166  
8.4.2 特徵建模過程167  
參考文獻···169