水資源是重要的可再生清潔資源,優(yōu)先發(fā)展水電已成世界共識。隨著水電事業(yè)的高速發(fā)展,全球單機容量70萬千瓦以上的水輪發(fā)電機組,超過一半在中國。如此龐大的水輪發(fā)電機組,使電站系統(tǒng)在運行的穩(wěn)定、安全性方面面臨更高要求。由水輪機、發(fā)電機、調速器、發(fā)電機端口側電力負荷、引水系統(tǒng)構成的水輪機調節(jié)系統(tǒng),是集水、機、電于一體,具有多種典型運行工況的復雜非線性系統(tǒng)。其運行正常與否,將對水輪發(fā)電機組甚至整個電網(wǎng)系統(tǒng)的安全可靠產(chǎn)生重大影響。生產(chǎn)實踐中國內外大中型水輪發(fā)電機組均存在不同程度的穩(wěn)定性問題。因此,對水輪機調節(jié)系統(tǒng)進行穩(wěn)定性分析和有效控制對水電站的安全運行具有重要意義。而水輪機調節(jié)系統(tǒng)狀態(tài)預測是穩(wěn)定性控制的前提和基礎。本文以在國內外應用最廣泛的混流式水輪機調節(jié)系統(tǒng)為研究對象,對其非線性預測與穩(wěn)定性控制中的關鍵問題開展研究,主要工作與研究結論如下:（1）研究了混流式水輪機調節(jié)系統(tǒng)RBF預測。鑒于RBF神經(jīng)網(wǎng)絡在非線性時間序列預測方面的優(yōu)異性和相空間重構有效地信息提取功能,將RBF神經(jīng)網(wǎng)絡預測模型與相空間重構相結合,研究混流式水輪機調節(jié)系統(tǒng)的時間序列狀態(tài)預測模型。首先運用龍格-庫塔法求解水輪機的非線性方程... 

【文章來源】：西北農(nóng)林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：159 頁

【學位級別】：博士

【部分圖文】：

狀態(tài)變量δ,ω,m,y的軌跡圖

龐加萊截面上只有一個不動點或者極少數(shù)的離散點，運動是周期性的；當截面上是一封閉曲線時，運動是準周期的；當龐加萊截面上出現(xiàn)成片的分形結構的密集點時，運動是混沌的。圖2-3是混流式水輪機調節(jié)系統(tǒng)的龐加萊截面相圖，圖中點成片出現(xiàn)且成密集的分形結構，所以該混流式水輪機調節(jié)系統(tǒng)表現(xiàn)為混沌運動。(a) ω -δ (b)tm -δ (c)ω-y圖 2-3 水輪機調節(jié)系統(tǒng)的龐加萊截面圖Fig. 2-3 Poincare section of hydraulic turbine governing system2. 2 水輪機調節(jié)系統(tǒng)相空間重構2. 2.1 相空間重構基本理論自1980年Packard等人提出相空間重構理論以來，該理論得到了快速發(fā)展。主要包括坐標延遲重構法和導數(shù)重構法兩種，其中坐標延遲法更為常用，該方法主要以嵌入維數(shù)m和延遲時間τ這兩個參數(shù)為研究內容，這兩參數(shù)的選取決定著重構質量及預測效果(Salkuti 2018)。m及τ的確定方法有多種，本章選取典型的估值法求取這兩參數(shù)，重0 1 2 3 4 5 6 7 8 9 10-30-20-10010t/sδ0 1 2 3 4 5 6 7 8 9 10-0.1-0.0500.050.1t/sω0 1 2 3 4 5 6 7 8 9 10-4

第二章 混流式水輪機調節(jié)系統(tǒng)多步 RBF 擴展預測利用公式（2-12）計算所有a(i，m)的平均值。11( ) ( , )N miE m a i mN m == ∑ (2-1通過觀察均值E(m)隨m的變化情況來確定嵌入維數(shù)，當變化率11( )( )( )E mE mE m+= (2-14化很小時，此時的m再加1所得值即為所求的嵌入維數(shù)。利用Cao法對四維水輪機調節(jié)系統(tǒng)求取重構嵌入維m，得到E1 ( m)的函數(shù)圖像如圖所示。

【參考文獻】：
期刊論文
[1]兼顧一次調頻性能和超低頻振蕩抑制的水輪機調速器PID參數(shù)優(yōu)化[J]. 史華勃,陳剛,丁理杰,韓曉言,張宇棟,陳振,張華,劉暢.  電網(wǎng)技術. 2019(01)
[2]面向金融數(shù)據(jù)的神經(jīng)網(wǎng)絡時間序列預測模型[J]. 張栗粽,王謹平,劉貴松,羅光春,盧國明.  計算機應用研究. 2018(09)
[3]基于混沌最小二乘支持向量機的時間序列預測研究[J]. 高雄飛.  數(shù)學的實踐與認識. 2018(08)
[4]基于RBF神經(jīng)網(wǎng)絡的燃氣輪機監(jiān)測參數(shù)非線性時間序列預測[J]. 張喬斌,王文華,賀星.  海軍工程大學學報. 2018(02)
[5]不同改進的ARIMA模型在水文時間序列預測中的應用[J]. 杜懿,麻榮永.  水力發(fā)電. 2018(04)
[6]基于時間序列分解和多變量混沌模型的滑坡階躍式位移預測[J]. 黃發(fā)明,殷坤龍,楊背背,李喜,劉磊,付小林,劉小文.  地球科學. 2018(03)
[7]基于深度學習的短時交通流預測研究[J]. 王祥雪,許倫輝.  交通運輸系統(tǒng)工程與信息. 2018(01)
[8]考慮多因素的深基坑軸力支持向量機時間序列預測研究[J]. 高琳,馮旭,鄭帥,張學良,王有福.  施工技術. 2017(S2)
[9]非線性時間序列粒子群優(yōu)化B樣條網(wǎng)絡預測模型[J]. 龔小龍,孔玲爽,袁川來,肖會芹.  電子測量與儀器學報. 2017(12)
[10]孤網(wǎng)下水輪機PID調速器抗速度飽和研究[J]. 門闖社,南海鵬,關欣,廖偉麗.  農(nóng)業(yè)工程學報. 2017(21)

博士論文
[1]水輪發(fā)電機組故障診斷及預測與狀態(tài)評估方法研究[D]. 朱文龍.華中科技大學 2016
[2]基于神經(jīng)網(wǎng)絡的滑坡預測及其控制研究[D]. 陳煌瓊.華中科技大學 2013

碩士論文
[1]滑模神經(jīng)網(wǎng)絡對無刷直流電機混沌的控制[D]. 段天富.華僑大學 2008



本文編號：3061267