致谢 | 第9-10页 |
摘要 | 第10-12页 |
abstract | 第12-13页 |
第一章 绪论 | 第20-39页 |
1.1 选题背景和研究意义 | 第20-21页 |
1.2 风电机组/风电场机理建模国内外研究现状 | 第21-31页 |
1.2.1 风电机组模型 | 第21-24页 |
1.2.2 风电场模型 | 第24-31页 |
1.3 风电机组/风电场系统辨识技术建模国内外研究现状 | 第31-35页 |
1.3.1 系统辨识 | 第31-32页 |
1.3.2 风电机组/风电场系统辨识技术建模 | 第32-35页 |
1.4 现有研究存在的问题 | 第35-36页 |
1.4.1 机理建模方面 | 第35-36页 |
1.4.2 系统辨识建模方面 | 第36页 |
1.5 本文的创新点与研究内容 | 第36-39页 |
第二章 计及Crowbar电路的双馈型风电场等值建模研究 | 第39-56页 |
2.1 Crowbar电路动作对DFIG功率特性影响的机理分析 | 第39-42页 |
2.1.1 Crowbar电路工作原理 | 第39-41页 |
2.1.2 Crowbar电路动作前后DFIG的功率特性分析 | 第41-42页 |
2.2 Crowbar电路动作判据的简化方法 | 第42-45页 |
2.2.1 故障后转子电流计算 | 第42-44页 |
2.2.2 机端电压跌落临界值 | 第44-45页 |
2.3 双馈型风电场等值建模方法 | 第45-47页 |
2.3.1 风电场拓扑对机端电压跌落临界值的影响 | 第45-46页 |
2.3.2 机端电压跌落临界值修正方法 | 第46-47页 |
2.3.3 DFIG的分群原则 | 第47页 |
2.4 仿真与分析 | 第47-55页 |
2.4.1 算例介绍 | 第47-48页 |
2.4.2 电压跌落临界值指标的有效性 | 第48-49页 |
2.4.3 等值模型的有效性 | 第49-55页 |
2.5 本章小结 | 第55-56页 |
第三章 计及LVRT特性的直驱型风电场等值建模研究 | 第56-78页 |
3.1 PMSG单机模型 | 第56-60页 |
3.1.1 机械传动系统模型 | 第56-57页 |
3.1.2 永磁发电机模型 | 第57页 |
3.1.3 全功率变流器模型 | 第57-60页 |
3.2 PMSG的LVRT特性分析 | 第60-63页 |
3.2.1 LVRT的基本要求 | 第60-61页 |
3.2.2 PMSG的LVRT实现方法 | 第61-63页 |
3.3 直驱型风电场等值建模方法 | 第63-65页 |
3.3.1 分群指标的选取 | 第63-64页 |
3.3.2 分群指标的计算 | 第64页 |
3.3.3 等值模型参数计算 | 第64-65页 |
3.4 仿真与分析 | 第65-77页 |
3.4.1 算例介绍 | 第65-66页 |
3.4.2 直流母线电压计算和仿真比较 | 第66-68页 |
3.4.3 不同电压跌落深度的有效性 | 第68-75页 |
3.4.4 不同有功出力和风能传递系数 | 第75-77页 |
3.5 本章小结 | 第77-78页 |
第四章 基于聚类—判别分析的鼠笼型风电场概率等值建模研究 | 第78-95页 |
4.1.不确定性的影响因素及分类 | 第78-79页 |
4.2 风电场等值模型过程中的不确定性分析 | 第79-80页 |
4.2.1 风资源的不确定性 | 第79-80页 |
4.2.2 故障扰动的不确定性 | 第80页 |
4.3 基于聚类—判别分析的不确定性概率建模 | 第80-83页 |
4.3.1 Two-step聚类方法 | 第80-82页 |
4.3.2 Fisher判别方法 | 第82-83页 |
4.4 SCIG的分群指标 | 第83-87页 |
4.4.1 分群指标的选取 | 第83-84页 |
4.4.2 分群指标的提取 | 第84-87页 |
4.5 鼠笼型风电场概率等值建模方法 | 第87-89页 |
4.5.1 概率等值模型的确定 | 第87-88页 |
4.5.2 等值模型参数计算 | 第88-89页 |
4.6 仿真与分析 | 第89-93页 |
4.6.1 算例介绍 | 第89页 |
4.6.2 转速向量分群指标的有效性 | 第89-92页 |
4.6.3 故障类型对同调性的影响 | 第92页 |
4.6.4 概率等值模型适用性 | 第92-93页 |
4.7 本章小结 | 第93-95页 |
第五章 基于BP神经网络的混合型风电场等值建模研究 | 第95-108页 |
5.1 人工神经网络基本理论 | 第95-98页 |
5.1.1 神经元模型 | 第95-96页 |
5.1.2 学习算法 | 第96-97页 |
5.1.3 神经网络的建模内涵 | 第97-98页 |
5.2 混合型风电场外特性 | 第98-102页 |
5.2.1 混合型风电场构成 | 第98-99页 |
5.2.2 混合型风电场外特性影响因素 | 第99-101页 |
5.2.3 外特性分析 | 第101-102页 |
5.3 混合型风电场等值节点模型 | 第102-105页 |
5.3.1 等值节点模型 | 第102页 |
5.3.2 实验设计、数据采集 | 第102-103页 |
5.3.3 BP神经网络建模 | 第103-105页 |
5.4 算例分析 | 第105-107页 |
5.5 本章小结 | 第107-108页 |
第六章 结论与展望 | 第108-110页 |
6.1 研究工作总结 | 第108-109页 |
6.2 后续工作展望 | 第109-110页 |
参考文献 | 第110-120页 |
附录 | 第120-124页 |
攻读博士学位期间的学术活动及成果情况 | 第124-125页 |