一、发电机自适应模糊稳定器（论文文献综述）
金立军,洪琪旭[1]（2021）在《一种基于PSS和模糊PID控制的运行工况波动下柴油发电机调速系统研究》文中研究说明核电厂柴油发电机需要具备起动速度快、有功功率大、供电时间长、可靠性高、带载性能好等特点,而机组的调速系统作为机组的核心控制部件,对机组的稳定可靠运行起着至关重要的作用。为解决柴油发电机在外电网运行状况波动时传统调速控制方法引起的低频振荡等问题,提出了一种基于电力系统稳定器（PSS）和模糊PID控制的柴油发电机调速方法。基于MATLAB Simulink仿真软件搭建柴油发电机调速系统模型,将实际工程运行数据与基于PSS和PID的转速控制方法进行仿真对比。结果表明该方法具有较高的适应性和鲁棒性,不仅提高了柴油机转速的控制精度,还加强了端电压与功率的稳定。
罗添辉[2]（2021）在《基于一致性算法的智能电网分布式控制研究》文中提出随着大规模低惯性可再生能源的蓬勃兴起,大量先进的信息通信技术融入电网,越来越多的储能装置接入电网负荷侧,同时随着智能化社会建设对用电可靠性和电能效率的要求不断提高,电力系统将面临越来越多新的挑战。在这种环境下,智能电网应运而生,也是能源与电力行业发展的必然趋势。智能电网的发展使其稳定控制问题日趋重要,而暂态稳定控制又是稳定控制研究的重中之重。本文结合智能电网中通信（信息）网络和电力（物理）网络的深度耦合,以信息物理系统拓扑建模方法为基础,利用多智能体系统一致性算法,主要围绕智能电网的暂态稳定控制问题展开了研究。本文研究的主要内容如下:首先,在通信网络与电力网络深度耦合背景下,针对故障后智能电网恢复暂态稳定的控制问题,本文提出了一种基于非线性多智能体系统一致性算法的分布式自适应协同控制策略。该策略将分布式自适应调速控制与励磁控制相结合,其中所提分布式调速控制器利用通信网络获取相位测量单元的实时测量信息,通过调节发电机的机械输入功率,使故障后各发电机频率能够实现一致。在保证系统稳定性的前提下,设计一种基于部分反馈线性化的励磁控制器以改善调速控制器性能。其次,基于多智能体的框架下引入外部储能装置,本文进一步针对智能电网中存在部分控制器失效时的暂态稳定控制问题,提出了一种分布式自适应控制方法,解决实际限制条件下控制器的性能问题,以提高智能电网的暂态稳定性和弹性。该方法基于二阶非线性多智能体系统的领导跟随一致性算法,各发电机之间通过通信网络进行信息交互,利用本地发电机与其邻居发电机之间的相对功角以及相对转速信息设计控制器,并控制外部储能装置动作,使故障后的系统快速恢复暂态稳定。最后,利用Lyapunov稳定性理论对所提分布式控制方法进行收敛性证明,通过在新英格兰10机39节点测试系统中进行仿真研究,进一步验证了所提分布式控制方法的可行性和有效性。
孙桥枫[3]（2021）在《基于强化学习的电力系统稳定器优化设计研究》文中研究指明电力系统是一个连结复杂、能源众多的大型非线性系统,电力系统的稳定控制问题从来都是电力系统研究中的重要问题。电力系统稳定器,是一种应用广泛、发展成熟的技术,已经是提高电力系统稳定性的基本措施之一。随着电网互联的发展和新能源的加入,电力系统的运行变得越来越复杂,这对电力系统的安全性和暂态稳定控制提出了挑战。为了提高电力系统稳定器的性能,需要寻找新的方法设计新型电力系统稳定器。强化学习是非常适合优化和控制问题的一种方法。强化学习可以寻找到全局最优值,可以摆脱对精确物理模型的依赖,学习的策略是自适应的、可扩展的。另外,多种控制理论均可应用于电力系统稳定器设计,可发挥各自控制理论的特有优势。因此,本文以控制理论与强化学习的结合为思路,研究了电力系统稳定器的优化设计问题。本文的主要内容包括:（1）介绍了电力系统稳定器设计的研究现状,其中详细阐述了控制理论和强化学习的应用;（2）使用协同控制和强化学习,设计了无模型的分散协调电力系统稳定器。根据协同控制构造流形,并将其设计为最优控制问题,使用强化学习通过训练获得智能体。所有输入信号均为本地信号,从而实现分散协调控制,避开广域通信问题。所设计的PSS不依赖模型,具有良好的鲁棒性。（3）提出一种基于强化学习与无模型自适应控制的广域电力系统稳定器设计方法。基于改进的无模型自适应控制,结合强化学习优化无模型自适应控制的自适应律。该方法的在线和离线设计均不需要系统模型,训练过后的智能体能实现最优控制器参数的自适应,并且改善了原无模型自适应控制器的初值设置问题,能够处理时变电力系统中振荡特性的变化情况。
李宏伟[4]（2020）在《前端调速式风电机组并网运行自适应预测控制研究》文中研究说明交通能源互联网的发展为风电、光伏等新能源的消纳提供了新的途径,在加速交通信息化、网格化、多元化的同时推动了新能源的多场景应用,促进了交通、电力、能源行业的深度融合和协同发展。前端调速式风电机组作为一种电网友好型机组,采用液力变矩装置实现对机组转速的调节,并利用电励磁同步发电机与电网直接耦合,在结构上解决了传统机组依赖变流器进行并网控制和转速调节的局限性。本文通过深入分析前端调速式风电机组的结构特性和影响其运行控制的诸多因素,从机组建模入手,针对机组并网控制性能不佳的问题,重点开展了以下几方面创新性研究工作:（1）详细分析了前端调速式风电机组的基本运行原理,根据机组并网自适应预测控制的需求,基于机组的能量转化过程,建立了风力机输出功率模型、机组传动链的动态模型、电励磁同步发电机的五阶模型和励磁系统模型,为机组的并网自适应预测控制的提供了基础。（2）针对前端调速式风电机组液力变矩器恒转速控制难以实现的问题,设计了基于变论域的导叶可调式液力变矩器的模糊控制器,并采用多种群遗传算法进行了参数优化,实现了论域伸缩因子的智能寻优,提高了液力速度控制的精度和速度,使得前端调速式风电机组在受到风速波动、电网侧干扰等因素的影响时,其输出转速能够保持在一定误差范围之内,确保了液力变矩器泵轮和发电机输入轴的恒转速运行,为机组输出电压频率的稳定性提供了保障。（3）针对前端调速式风电机组输出功率不稳的问题,将多模型预测控制思想引入机组的输出功率控制,通过对机组实测运行数据的模糊聚类建模,将模糊C-均值聚类与多模型预测控制方法相结合,确定了机组的各种运行场景并设计了相应的模型切换预测控制器,有效解决了机组并网功率控制中存在的随机性和不确定性问题,提高机组输出功率的稳定性。（4）针对机组并网运行过程的电压波动问题,基于预测控制的思想,设计了用于机组并网电压控制的广义自适应预测控制器,将广义预测控制算法与反向传播神经网络相结合,对机组的输出电压进行跟踪控制,减小了机组并网电压的波动;根据电网对机组低电压穿越的要求,进一步设计了基于多目标遗传算法的预测控制器,在实现机组各子系统协调控制的同时保障了机组的低电压穿越特性。（5）为明确机组并网电压稳定性,建立了由前端调速式风电机组组成的风电场并网的微分代数方程,基于非线性动力学思想,利用分岔理论对机组并网后的运行电压从稳定到失稳、直至崩溃的整个过程进行了研究,揭示了无功功率与风速对前端调速式风电机组的影响规律,发现随着负荷侧无功功率的增大,负荷节点的电压将逐渐减小,当无功功率超过某一定值时,系统平衡解流形上将会出现鞍结分岔点,机组达到运行极限状态;当风速小于额定风速时,其变化对负荷节点处的电压影响较小,当风速超过14.8m/s时,系统电压开始逐渐失稳。
聂琳琳[5]（2020）在《多机电力系统的励磁与SVC自适应控制系统设计》文中认为多机电力系统是一个多维数、强耦合、强非线性的大型互联系统。这使得电力系统运在行过程中更容易受到不稳定因素的影响,如系统内部参数的不确定性、外部干扰以及多机互联耦合影响等,这些复杂因素让多机电力系统的控制变得非常困难。目前为止,针对多机电力系统控制问题的研究,除了引入各种先进的智能控制算法外,也加入了更多的以静止无功补偿器为代表的柔性交流输电设备。静止无功补偿器（Static Var Compensator,SVC）的加入虽然能够在一定程度上改善电力系统的稳定性,但是由于发电机的励磁控制器和静止无功补偿控制器的设计是相互独立的,若是忽略两者的相互作用反而给系统的控制带来负面影响,甚至导致系统的不稳定。因此,设计对多机电力系统和静止无功补偿器协调控制器是十分必要的。本文针对配备静止无功补偿器的多机电力系统,研究了系统在具有内部参数不确定、外部扰动以及互联耦合的情况下的非线性鲁棒自适应控制问题。下面介绍论文的主要工作内容:（1）以配备SVC装置的多机互联电力系统为研究对象,对系统进行建模。首先考虑系统阻尼、发电机暂态电势等系数难以精确测量的实际工程问题,将其作为不确定参数处理。然后考虑了电力系统在实际运行中受到的外界未知干扰以及多机互联中的耦合项。（2）针对所建立的非线性系统模型,设计满足预设输出性能的自适应动态面滑模控制器。首先,将自适应动态面和滑模控制相结合,避免了backstepping方法中由于对虚拟控制律反复求导而导致的“微分爆炸”问题,且汲取了滑模控制鲁棒性强的优点。然后,引入误差性能转换函数,使得系统能够满足任意预设的输出跟踪性能。通过仿真实验,将所设计的控制方法与传统自适应backstepping控制方法、自适应动态面控制方法以及自适应滑模控制方法的控制效果进行对比,验证所提出控制方法的有效性。（3）在动态面控制方法的基础上,使用复合学习方法对模糊逻辑系统进行改进。即在模糊逻辑系统权值更新律中加入基于状态预测器的预测误差修正项,使模糊逻辑系统更准确的逼近系统的不确定部分。然后引入干扰观测器,对模糊逻辑系统逼近误差和系统外部干扰共同构成的广义扰动进行在线估计,提高系统的抗干扰的能力。最后通过半实物仿真实验进行验证,实验结果表明了所提出控制方案的有效性。综上所述,本文针对含静止无功补偿器的多机电力系统,提出了两种自适应控制方案,设计了多机电力系统励磁与SVC鲁棒控制器。通过StarSim电力系统实时仿真实验,取得了较好的控制效果,保证了多机电力系统的稳定运行。
李科[6]（2020）在《基于FPGA的电力系统稳定器的设计与实现》文中研究表明随着我国电网规模的飞速发展,并且在大幅度提高消纳新能源发电能力的大环境下,电力系统的稳定性成为了一个电力系统控制的突出问题。电力系统的低频振荡是一种典型的对电力系统稳定的扰动,在抑制低频振荡一次系统和二次系统方面的众多对策中,电力系统稳定器（PSS）是最常用,也是控制效果较好的策略之一。近年来,在PSS的设计中引入了诸多的先进算法。其中,预测控制（MPC）由于其本身的在线滚动优化、反馈校正、模型预测等突出优点,在PSS设计中得到了广泛应用。由于粒子群算法（PSO）在进行优化求解时不需要解析式,所以本文将PSO与预测控制相结合应用于预测控制的滚动优化环节。基于w、c联动控制的粒子群算法提高了全局搜索能力,避免粒子群早熟。为此,本文将目前比较典型的几种w、c联动控制策略进行了仿真分析后,选用其中相对较优秀的一种策略和非线性预测控制相结合提出了一种PSO-APPC算法。目前对于PSO-MPC控制算法性能的进行全面论述的文献较为罕见,本文对PSO-APPC算法的参数与性能的关系进行深入研究和讨论。另外将本文的PSO-APPC算法与另外两种算法（PSO-NPC、PSO-SPC）进行了比较,并通过仿真验证了本文算法的性能要优于另外两种算法。本文以单机无穷大系统为模型,将本文提出的PSO-APPC算法用于PSS的设计中,在电力系统发生单相接地短路和机械功率突增10%两种扰动情况下投入基于本文算法的PSS进行仿真,并将基于本文算法的PSS和另外两种PSS在系统受扰投入后的变化情况进行了仿真比较,验证了本文的PSS的有效性,并证明了本文的PSS的控制效果要优于另外两种。最后,使用FPGA技术将本文提出的算法PSO-APPC实现硬件化形成控制芯片,该芯片可以作为电力系统稳定器的核心控制芯片,解决了电力系统快速响应的要求和先进控制算法计算量大相冲突的矛盾。并通过Quartus II环境下的软件仿真和FPGA开发板的硬件板级验证,验证其是有效的、可行的。
冯陈[7]（2020）在《抽水蓄能机组系统辨识与复杂工况下控制规律研究》文中研究表明太阳能和风电等清洁能源想要大规模接入电网并发挥其作为绿色能源的优势,就必须借助大规模储能技术的消纳和调节。在目前已有的储能技术当中,抽水蓄能技术相比于其他形式的储能技术具有运行成熟且储量大的优点。抽水蓄能技术工况转换迅速、运行灵活性高、负荷响应速度快,可以实时跟踪电力系统的负荷变化。然而,抽水蓄能与新能源的联合运行中仍存在许多问题。大规模新能源的并网,对抽水蓄能机组的运行模式提出了新要求。更频繁的负荷调整、长时间的旋转备用、长时间的负荷工况等新要求给抽水蓄能电站的运行来了新的挑战。尤其在稳定性和安全性方面,由于可逆式机组固有的反“S”区不稳定运行特性以及调速励磁系统水-机-电能量转换过程中耦合效应日益显着,传统的抽水蓄能运行方式已无法满足新形势下电网的调节需求。在此背景之下,针对抽水蓄能机组稳定、安全和高效运行所亟需解决的关键科学问题与技术难点,本文以抽水蓄能机组系统辨识与复杂工况下控制规律研究为切入点,在充分探讨抽水蓄能调节系统各组成部分的动态机理与非线性特性的基础上,分别搭建了具有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,以智能优化算法、人工神经网络、多目标优化理论、小扰动特征分析、模型预测控制方法为技术支撑,深入开展抽水蓄能机组参数辨识、模型辨识、改善反“S”区动态特性以及调速励磁耦合控制规律的研究,建立了抽水蓄能机组建模-辨识-控制层层递进的研究体系。本文的主要研究工作与创新成果如下:（1）系统研究了抽水蓄能机组调速系统和励磁系统各组成部分不同模型表达及适用条件。针对水泵水轮机反“S”区建模困难的问题,引入对数投影法和改进Suter变换对水泵水轮机全特性曲线进行预处理,解决了反“S”特性区域插值计算的多值性问题。搭建了适用于不同研究工况的带有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,为后续系统辨识与复杂工况下控制规律的研究奠定了模型基础。（2）针对复杂过水系统和调速励磁耦合特性引起的参数辨识难题,研究了基于智能优化算法的参数辨识方法,引入人工羊群算法并结合Levy游走、混沌变异及弹性边界处理策略,提出了一种改进人工羊群智能优化算法,建立了基于改进人工羊群算法的参数辨识框架。通过机组的开关机过程,直接辨识复杂过水系统的管段参数;通过并网运行的调节过程,实现了调速励磁系统水-机-电耦合模型的高精度一体化参数辨识。（3）针对数据具有长期依赖关系和普通神经网络训练中面临的梯度消失问题,通过引入长短时记忆神经网络来实现带有复杂过水系统的抽水蓄能机组调速系统的高精度离线模型辨识;针对普通反向传播算法面临的训练收敛速度慢、在线调整困难的问题,引入了兼具普通BP神经网络非线性描述能力强和递推最小二乘法计算简单优点的带遗忘因子的在线序列极限学习机,实现了抽水蓄能机组调速励磁系统水-机-电耦合模型的高精度在线模型辨识。（4）针对机组低水头启动易受反“S”特性影响产生转速振荡的问题,提出了兼顾速动性和稳定性的基于多目标羊群算法的优化框架,有效抑制低水头开机时机组转速的反复振荡。为了从根本上改善抽水蓄能机组在反“S”区的动态特性,本文首次探讨了利用变速机制避免机组深入反“S”区运行的可行性,结果表明低水头工况下可以通过降低转速使机组的运行区域在全特性曲线上向左移动从而有效避免反“S”区,使机组具有更好的动态特性,也为常规定速抽水蓄能机组的改造与发展提供了新参考。（5）为了实现抽水蓄能机组调速励磁系统水-机-电能量转换过程的耦合控制,引入特征值分析法对调节系统进行小扰动稳定性分析,在此基础上给出了经典“PID+VAR+PSS”控制策略多工况下的多目标优化和决策方法。提出了一种基于带遗忘因子在线序列极限学习机的预测模型、阶梯式控制增量约束、人工羊群算法滚动优化的智能模型预测控制策略,通过不同工况下与经典控制策略对比的实验,验证了所提智能模型预测控制方法进行调速励磁耦合控制的优越性,并引入非线性动力学理论对智能模型预测控制器进行了稳定性分析。
刘翔宇[8]（2020）在《船舶电力系统同步发电机振荡抑制方法研究》文中研究指明目前,船舶正在向着集成化、自动化、智能化的趋势发展。船舶上配备了越来越多的电气设备,使得船舶电力系统的容量与复杂程度不断提高,对船舶电力系统稳定性的要求也越来越高。同步发电机作为船舶电力系统的重要元件,其稳定性对于整个船舶电力系统的稳定运行有着重要影响。本文以船舶同步发电机励磁控制系统作为主要研究对象,对同步发电机振荡抑制方法进行研究,主要内容如下:1、基于模块化建模思想分别建立了船舶电力系统柴油原动机及其调速系统和同步发电机及其励磁系统数学模型,根据数学模型在仿真软件中建立了船舶电力系统单机仿真模型。在此基础上,根据双机同步并车原理建立了自动准同步并车模块,并建立了船舶电力系统双机并联仿真模型,通过仿真实验,验证了所建立仿真模型的正确性。2、根据同步发电机数学模型,从同步转矩与阻尼转矩的角度阐明了基于PID控制的AVR励磁方法对同步发电机振荡抑制效果较差的原因。根据船舶电力系统的特点,将PSS2B型电力系统稳定器应用于船舶同步发电机励磁系统中,构成AVR+PSS2B励磁控制方式。针对PSS参数的整定,使用人工蜂群算法对PSS2B型稳定器进行参数优化。在不同工况下进行了船舶电力系统双机并联仿真试验,分析了AVR和AVR+PSS2B两种励磁控制方式对于同步发电机各参数振荡的抑制效果。3、考虑到传统AVR控制的缺点以及船舶电力系统非线性和时变性的特点,将自抗扰控制器应用于船舶同步发电机励磁系统中,提出了一种基于自抗扰控制的船舶同步发电机励磁控制方法。在不同工况下,对船舶双机并联励磁系统分别使用AVR、AVR+PSS2B和自抗扰控制三种方法进行仿真,仿真结果表明基于自抗扰控制的励磁控制系统具有更好的快速性和抗干扰能力,对于同步发电机振荡有更好的抑制效果。
张万[9]（2020）在《基于引力搜索算法优化的PSS对低频振荡的抑制研究》文中指出随着我国电力系统的快速发展,以电力系统低频振荡为代表的小干扰问题对电网的稳定运行提出了更大的挑战。论文在分析低频振荡产生原因的基础上,提出小波降噪与Prony算法相结合的分析方法,对低频振荡的模式进行有效辨识,利用改进的引力搜索算法（GSA）对电力系统稳定器（PSS）进行参数优化配置,起到更好的抑制作用。利用Prony算法进行低频振荡的模式辨识需进行一定的降噪处理,由于小波变换良好的时频局部分析能力和多分辨能力,选择最优小波基将原始信号分解成低频近似分量和高频细节分量,对于分解的小波系数进行软阈值处理,最后对信号进行重构,可以起到良好降噪作用。降噪后的过滤信号采用Prony算法进行模式分析,Prony算法利用衰减指数函数的线性组合来拟合等间隔采样数据,通过预设相应的采样频率、时间长度、有效阶数以及主导模式等参数可以求解低频振荡信号的幅值、相位、频率、衰减因子等信息,Prony算法是利用线性方程组来求解非线性问题,通过仿真验证起到了很好的模态识别效果。Prony算法与小波降噪方法结合可以有效的对低频振荡的振荡模式进行识别,进而确定振荡强相关机组,为PSS位置安装提供依据。在低频振荡模式分辨的基础上,引力搜索算法由于其全新的搜索机制被大量使用。论文对引力搜索算法的优化理论进行研究,基本引力搜索算法由于采用元启发式搜索方式导致收敛速度较慢,同时容易陷入局部最优,因此论文从基于权值的引力搜索策略、引力常数的自适应策略、基于黑洞捕获策略三个角度对基本引力搜索算法进行改进和优化,使算法迭代前期更加突出广泛的搜索能力,算法后期局部开发能力更强,能够更好处理探索和开发的矛盾,提高算法的收敛速度、精确度及整体性能。最后搭建四机两区系统和10机39节点系统进行仿真验证,将改进的GSA算法与基本GSA算法应用到多机电力系统PSS参数的优化设计中进行比较,为了确保算法的适应性和鲁棒性,采用不同的运行方式进行仿真验证,仿真结果表明小波降噪与Prony算法结合可以有效进行振荡参数识别,改进GSA算法对PSS的参数配置可以更好的改善系统动态性能,起到更好的低频振荡抑制作用。
王道云[10]（2019）在《同步发电机励磁控制系统智能优化研究》文中认为近年来,电力系统稳定性的问题越来越突出。励磁控制对保证电力系统安全、可靠运行及改善发电机的供电质量有着十分积极的作用,而传统的PID控制已经难以满足现代电力系统的运行要求。为了改善励磁控制系统的动态品质,本文在对励磁控制系统特性和综合学习粒子群算法（Comprehensive Learning Particle Swarm Optimization,简称CLPSO）研究的基础上,提出了采用基于交叉策略和自适应惯性权重策略的CLPSO改进算法（改进CLPSO）对励磁控制系统进行优化。本文分析了励磁控制系统的研究现状、研究趋势及研究意义。系统地研究了励磁系统的相关理论,对励磁系统的组成、任务、励磁方式及对励磁系统的要求进行了分析,研究了励磁系统对电力系统大、小干扰稳定性的影响及其稳定性判据,对励磁PID控制系统的工作原理、参数整定方法及性能评价指标也进行了研究。根据励磁控制系统的特性,进行了同步发电机励磁控制系统数学模型的研究工作。文中重点进行了基于Park方程的同步发电机数学模型的研究工作,并将电机实用参数引入到同步发电机数学模型中,建立了同步发电机实用数学模型。根据研究需要,建立了励磁系统实用三阶模型,并基于MATLAB建立了本文所需的同步发电机非线性励磁控制系统仿真模型。系统地研究了粒子群算法及其改进算法。在基本粒子群算法研究的基础上,进一步研究了综合学习粒子群算法,为了解决CLPSO算法的缺陷,引入交叉策略和自适应惯性权重策略对CLPSO算法进行改进,提出采用这种改进CLPSO算法。通过14种基本测试函数对基本粒子群算法、CLPSO算法和改进CLPSO算法进行性能比较测试。结果显示改进CLPSO算法在1 1种函数中获得较好的解,证明它具有更好的综合性能。将改进CLPSO算法用于PID励磁控制器的设计,并在MATLAB/Simulink环境下进行了仿真实验。通过参数寻优实验对比分析,改进CLPSO相比于CLPSO算法和基本粒子群算法具有更好的适应度值、更小的超调量及更快的求解速度。之后将这三种算法以及常规PID用于励磁控制系统进行仿真实验,通过起励实验、负载电压扰动实验和系统品质参数扰动实验,进一步证明了改进CLPSO算法在提高系统控制性能和抗干扰性上具有更强的能力。
二、发电机自适应模糊稳定器（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、发电机自适应模糊稳定器（论文提纲范文）
（1）一种基于PSS和模糊PID控制的运行工况波动下柴油发电机调速系统研究（论文提纲范文）
| 0 引 言 |
| 1 问题描述 |
| 2 一种PSS和模糊PID控制的调速方法 |
| 2.1 模糊-PID调速系统 |
| 2.1.1 模糊-PID原理 |
| 2.1.2 模糊化规则 |
| 2.1.3 模糊推理 |
| 2.1.4 反模糊化 |
| 2.2 PSS稳定器抑制低频振荡 |
| 2.3 所提方法框架 |
| 3 仿真验证 |
| 4 结 语 |
（2）基于一致性算法的智能电网分布式控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能电网稳定性研究现状 |
| 1.2.2 智能电网暂态稳定控制研究现状 |
| 1.2.3 一致性算法在智能电网中应用研究现状 |
| 1.3 主要研究内容和结构编排 |
| 第二章 智能电网信息物理建模及相关理论 |
| 2.1 智能电网信息物理系统拓扑建模 |
| 2.2 信息网络广域测量系统概述 |
| 2.2.1 广域测量系统结构及特点 |
| 2.2.2 PMU装置基本原理及结构 |
| 2.3 多智能体系统一致性算法 |
| 2.3.1 平均一致性 |
| 2.3.2 领导跟随一致性 |
| 2.4 本章小结 |
| 第三章 基于一致性算法的智能电网分布式自适应协同控制 |
| 3.1 问题描述 |
| 3.2 基于多智能体系统的智能电网模型 |
| 3.2.1 图论 |
| 3.2.2 基于多智能体系统的发电机动力学模型 |
| 3.3 分布式自适应协同控制策略 |
| 3.3.1 分布式自适应调速控制 |
| 3.3.2 基于部分反馈线性化的励磁控制 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 含外部储能装置的智能电网暂态稳定分布式控制 |
| 4.1 问题描述 |
| 4.2 智能电网通信拓扑建模 |
| 4.3 含外部ESS的分布式控制器设计 |
| 4.3.1 智能电网动力学模型 |
| 4.3.2 分布式控制器设计 |
| 4.4 仿真结果与分析 |
| 4.4.1 暂态稳定性测试 |
| 4.4.2 外部ESS的功率输出限制 |
| 4.4.3 通信延时影响 |
| 4.4.4 部分控制器失效 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（3）基于强化学习的电力系统稳定器优化设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 控制器设计与参数整定 |
| 1.2.2 时延处理 |
| 1.3 本文主要创新点 |
| 1.4 本文主要内容 |
| 第二章 强化学习原理与算法 |
| 2.1 引言 |
| 2.2 强化学习算法 |
| 2.2.1 强化学习概述 |
| 2.2.2 马尔可夫决策过程 |
| 2.2.3 Value-based强化学习算法 |
| 2.2.4 Policy-based强化学习算法 |
| 2.3 强化学习与控制理论 |
| 2.4 本章小结 |
| 第三章 基于强化学习和协同控制的分散协调PSS设计 |
| 3.1 引言 |
| 3.2 协同控制理论 |
| 3.3 PSS设计方法 |
| 3.4 算例分析 |
| 3.4.1 三相短路故障 |
| 3.4.2 电压阶跃响应 |
| 3.4.3 故障串联实验 |
| 3.5 本章小结 |
| 第四章 基于强化学习和无模型自适应控制的广域PSS设计 |
| 4.1 引言 |
| 4.2 无模型自适应控制理论 |
| 4.3 PSS设计方法 |
| 4.3.1 广域控制结构 |
| 4.3.2 广域PSS设计方法 |
| 4.4 算例分析 |
| 4.4.1 三相短路故障 |
| 4.4.2 电压阶跃响应 |
| 4.4.3 故障串联实验 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）前端调速式风电机组并网运行自适应预测控制研究（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 前端调速式风电机组的研究现状 |
| 1.2.2 风电机组并网自适应预测控制的研究现状 |
| 1.3 本文的主要研究内容 |
| 2 前端调速式风电机组的建模 |
| 2.1 前端调速式风电机组的基本原理 |
| 2.2 风力机的建模 |
| 2.2.1 风电机组的能量转化过程 |
| 2.2.2 风力机输出功率模型 |
| 2.3 前端调速式风电机组传动链建模 |
| 2.4 电励磁同步发电机模型 |
| 2.5 同步发电机励磁系统的模型 |
| 2.6 小结 |
| 3 基于变论域模糊控制的机组导叶可调式液力变矩器控制 |
| 3.1 导叶可调式液力变矩器的工作原理 |
| 3.2 基于多种群遗传优化算法的变论域控制器设计 |
| 3.2.1 变论域模糊控制 |
| 3.2.2 变论域伸缩因子 |
| 3.2.3 控制器设计 |
| 3.3 仿真结果及分析 |
| 3.4 小结 |
| 4 前端调速式风电机组并网功率自适应预测控制 |
| 4.1 机组实测数据的模糊聚类建模 |
| 4.1.1 数据集模糊聚类 |
| 4.1.2 最小二乘法建模 |
| 4.2 广义预测控制器的设计 |
| 4.2.1 广义自适应预测控制的原理 |
| 4.2.2 目标函数的建立 |
| 4.2.3 最优输出的确定 |
| 4.2.4 最优控制律设计 |
| 4.2.5 性能指标函数的确立 |
| 4.3 仿真分析 |
| 4.4 小结 |
| 5 前端调速式风电机组并网电压自适应控制 |
| 5.1 并网电压的广义自适应预测控制 |
| 5.1.1 广义自适应预测控制器设计 |
| 5.1.2 仿真分析 |
| 5.2 基于多目标遗传算法的机组低电压穿越预测控制 |
| 5.2.1 前端调速式风电机组低电压运行原理 |
| 5.2.2 低电压穿越协调控制策略 |
| 5.2.3 基于遗传算法的机组多目标预测控制 |
| 5.3 对称故障下机组低电压穿越特性仿真分析 |
| 5.4 不对称故障下机组低电压穿越特性仿真分析 |
| 5.5 小结 |
| 6 前端调速式风电机组并网电压稳定性分析 |
| 6.1 前端调速式风电机组并网模型建立 |
| 6.1.1 分岔理论基础 |
| 6.1.2 含前端调速式风电机组电力系统微分代数方程的建立 |
| 6.1.3 含前端调速式风电机组的风电场并网模型 |
| 6.2 前端调速式风电机组并网电压稳定性的分岔分析 |
| 6.2.1 系统无功负荷变化对其电压稳定性的影响 |
| 6.2.2 风速变化对系统电压稳定性的影响 |
| 6.3 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录A 附录内容名称 |
| 攻读学位期间的研究成果 |
（5）多机电力系统的励磁与SVC自适应控制系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 物理量名称及符号表 |
| 第1章 绪论 |
| 1.1 课题的研究意义 |
| 1.2 多机电力系统控制概述 |
| 1.2.1 多机电力系统控制发展 |
| 1.2.2 多机电力系统的主要控制单元 |
| 1.3 多机电力系统稳定性控制算法研究现状 |
| 1.3.1 反馈线性化 |
| 1.3.2 Lyapunov直接法 |
| 1.3.3 非线性H_∞控制 |
| 1.3.4 Backstepping控制 |
| 1.3.5 滑模变结构控制 |
| 1.3.6 动态面控制 |
| 1.3.7 智能控制 |
| 1.4 论文的研究内容 |
| 第2章 多机电力系统稳定性控制的理论基础 |
| 2.1 动态面控制方法 |
| 2.2 李雅普诺夫稳定性定理 |
| 2.3 模糊逻辑系统 |
| 2.3.1 FLSs结构 |
| 2.3.2 FLSs逼近能力 |
| 2.4 含SVC的多机电力系统模型的建立及控制目标 |
| 第3章 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制 |
| 3.1 引言 |
| 3.2 理论基础 |
| 3.2.1 系统数学模型 |
| 3.2.2 模糊逻辑系统 |
| 3.2.3 误差转换函数 |
| 3.3 自适应模糊动态面滑模控制器设计与稳定性分析 |
| 3.3.1 控制器设计 |
| 3.3.2 稳定性分析 |
| 3.4 仿真实验 |
| 3.5 本章小结 |
| 第4章 基于复合学习方法和干扰观测器的多机电力系统自适应模糊动态面控制 |
| 4.1 引言 |
| 4.2 理论基础 |
| 4.2.1 系统数学模型 |
| 4.2.2 干扰观测器 |
| 4.3 基于复合学习和干扰观测器的自适应模糊动态面控制器设计与稳定性分析 |
| 4.3.1 控制器设计 |
| 4.3.2 稳定性分析 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果及发表的学术论文 |
| 致谢 |
（6）基于FPGA的电力系统稳定器的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究意义 |
| 1.2 电力系统稳定器的国内外研究概况 |
| 1.3 预测控制 |
| 1.4 FPGA的发展概况 |
| 1.5 本文的基本内容 |
| 2 PSS原理及系统模型的建立 |
| 2.1 电力系统稳定器综述 |
| 2.1.1 PSS在励磁调节器中的作用及对系统阻尼的作用 |
| 2.1.2 PSS的信号输入方式 |
| 2.2 单机无穷大系统数学模型 |
| 2.3 小结 |
| 3 基于PSO-APPC的 PSS的设计 |
| 3.1 预测控制的基本原理 |
| 3.2 粒子群算法的基本原理 |
| 3.2.1 粒子群算法的起源 |
| 3.2.2 标准粒子群算法 |
| 3.3 基于粒子群的预测控制算法的研究 |
| 3.3.1 PSO-APPC算法参数与性能的关系 |
| 3.3.2 基于PSO的改进的预测控制算法PSO-APPC |
| 3.3.3 PSO-APPC算法的仿真验证 |
| 3.4 基于PSO-APPC的 PSS的研究 |
| 3.5 小结 |
| 4 电力系统稳定器在FPGA中的设计与实现 |
| 4.1 基于PSO-APPC的 PSS在 FPGA中实现的基本架构 |
| 4.2 随机数发生模块 |
| 4.3 数据存储模块 |
| 4.4 适应度计算模块 |
| 4.5 最优值确定模块 |
| 4.6 粒子更新模块 |
| 4.7 键盘输入和LCD输出显示模块 |
| 4.8 控制单元模块 |
| 4.9 小结 |
| 5 PSS控制系统的有效性的验证 |
| 5.1 PSS控制系统有效性验证方案说明 |
| 5.2 PSS控制系统的仿真验证 |
| 5.3 PSS控制系统的硬件验证 |
| 5.4 小结 |
| 6 结论与展望 |
| 参考文献 |
| 致谢 |
（7）抽水蓄能机组系统辨识与复杂工况下控制规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 抽水蓄能调节系统建模研究概述 |
| 1.3 抽水蓄能机组系统辨识研究概述 |
| 1.4 抽水蓄能机组控制规律研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统非线性建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 有压过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 同步发电机数学模型 |
| 2.6 励磁调节器及电力系统稳定器数学模型 |
| 2.7 抽水蓄能机组调节系统数学模型 |
| 2.8 本章小结 |
| 3 基于智能算法的抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 人工羊群优化算法及其改进 |
| 3.3 基于IASA的具有复杂过水系统的调速系统参数辨识 |
| 3.4 基于 IASA 的调速励磁系统水-机-电耦合模型参数辨识 |
| 3.5 本章小结 |
| 4 基于神经网络的抽水蓄能机组调节系统模型辨识 |
| 4.1 引言 |
| 4.2 长短时记忆神经网络与带遗忘因子的在线序列极限学习机 |
| 4.3 基于LSTM的具有复杂过水系统的调速系统离线模型辨识 |
| 4.4 基于WOS-ELM的调速励磁水-机-电耦合系统的在线模型辨识 |
| 4.5 本章小结 |
| 5 改善抽水蓄能机组反“S”区动态特性的控制规律研究 |
| 5.1 引言 |
| 5.2 反“S”区运行问题描述 |
| 5.3 抽水蓄能机组低水头开机规律多目标优化 |
| 5.4 可变速机组避免深入反“S”区运行机理分析 |
| 5.5 本章小结 |
| 6 抽水蓄能机组调速励磁耦合系统的预测控制研究 |
| 6.1 引言 |
| 6.2 调速励磁耦合系统小扰动稳定性分析 |
| 6.3 调速励磁耦合系统多工况多目标优化 |
| 6.4 调速励磁耦合系统智能模型预测控制 |
| 6.5 对比实验及结果分析 |
| 6.6 本章小结 |
| 7 全文总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表的论文 |
| 附录2:攻读博士期间完成和参与的科研项目 |
（8）船舶电力系统同步发电机振荡抑制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 船舶电力系统发展概况 |
| 1.2.2 同步发电机振荡抑制方法研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 船舶电力系统数学建模与仿真 |
| 2.1 柴油原动机及调速系统数学模型 |
| 2.1.1 柴油机简化数学模型 |
| 2.1.2 调速系统数学模型 |
| 2.2 同步发电机及励磁控制系统数学模型 |
| 2.2.1 同步发电机数学模型 |
| 2.2.2 励磁控制系统数学模型 |
| 2.3 船舶电力系统单机工况仿真 |
| 2.3.1 单机工况下发电机组空载起动仿真试验 |
| 2.3.2 单机工况下突加突卸负载仿真试验 |
| 2.4 船舶电力系统双机并联工况仿真 |
| 2.4.1 自动准同步并车条件与方法 |
| 2.4.2 自动准同步并车仿真模型 |
| 2.4.3 双机并联系统仿真试验 |
| 2.5 本章小结 |
| 第3章 基于PSS的船舶同步发电机励磁控制方法 |
| 3.1 励磁系统对于同步发电机振荡的影响 |
| 3.2 PSS数学模型 |
| 3.2.1 PSS 1A型 |
| 3.2.2 PSS 2B型 |
| 3.3 基于PSS的船舶同步发电机励磁系统 |
| 3.3.1 PSS作用原理 |
| 3.3.2 PSS参数整定 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第4章 基于人工蜂群算法的PSS2B参数优化 |
| 4.1 人工蜂群算法 |
| 4.1.1 算法原理 |
| 4.1.2 算法描述 |
| 4.2 目标函数选取 |
| 4.3 ABC算法优化PSS2B步骤 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第5章 基于自抗扰控制的船舶同步发电机励磁系统控制方法 |
| 5.1 自抗扰控制器原理 |
| 5.1.1 跟踪微分器 |
| 5.1.2 扩张状态观测器 |
| 5.1.3 非线性状态误差反馈 |
| 5.2 船舶同步发电机励磁系统自抗扰控制器设计 |
| 5.2.1 控制器设计 |
| 5.2.2 参数整定方法 |
| 5.3 仿真验证 |
| 5.3.1 ADRC仿真模型 |
| 5.3.2 突加突卸负载仿真试验 |
| 5.3.3 突加负载和单相短路故障仿真试验 |
| 5.3.4 三相短路故障仿真试验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间科研成果情况 |
（9）基于引力搜索算法优化的PSS对低频振荡的抑制研究（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 国内外研究现状分析 |
| 1.2.1 低频振荡参数辨识研究现状分析 |
| 1.2.2 低频振荡抑制技术研究现状分析 |
| 1.3 本文主要研究内容和章节安排 |
| 第二章 基于励磁系统的电力系统稳定器优化模型 |
| 2.1 引言 |
| 2.2 电力系统低频振荡产生机理研究 |
| 2.3 附加PSS的励磁系统模型 |
| 2.4 基于阻尼转矩的抑制原理分析 |
| 2.5 多机PSS参数优化模型 |
| 2.6 本章小结 |
| 第三章 基于经验小波变换降噪的Prony算法参数辨识 |
| 3.1 引言 |
| 3.2 小波变换原理 |
| 3.3 最优小波基降噪 |
| 3.4 小波降噪仿真 |
| 3.4.1 单模式含噪信号去噪分析 |
| 3.4.2 多模式含噪信号去噪分析 |
| 3.5 基于小波分解的Prony算法模态辨识 |
| 3.6 混入噪声情况下信号Prony参数辨识仿真分析 |
| 3.7 本章小结 |
| 第四章 基本引力搜索算法的改进与优化 |
| 4.1 引言 |
| 4.2 引力搜索算法GSA |
| 4.2.1 基本引力搜索算法理论基础 |
| 4.2.2 GSA算法原理实现和流程 |
| 4.3 GSA算法改进 |
| 4.3.1 基于权值的引力搜索算法 |
| 4.3.2 引力常数的自适应策略 |
| 4.3.3 随机黑洞策略 |
| 4.4 本章小结 |
| 第五章 仿真分析 |
| 5.1 改进GSA算法优化PSS仿真分析 |
| 5.2 四机两区域仿真 |
| 5.3 10机39节点系统仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读硕士学位期间发表的相关论文) |
| 附录B (攻读硕士学位期间所参与的项目及实践) |
（10）同步发电机励磁控制系统智能优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 励磁控制的研究概况 |
| 1.2.1 线性单变量励磁控制方式 |
| 1.2.2 线性多变量励磁控制方式 |
| 1.2.3 非线性多变量励磁控制方式 |
| 1.2.4 智能控制方式 |
| 1.2.5 励磁控制的发展趋势 |
| 1.3 本文所作的主要工作 |
| 第二章 同步发电机励磁系统理论研究 |
| 2.1 励磁系统的组成 |
| 2.2 励磁系统的任务及要求 |
| 2.2.1 励磁系统的任务 |
| 2.2.2 对励磁系统的要求 |
| 2.3 同步发电机的励磁方式 |
| 2.3.1 直流励磁机励磁系统 |
| 2.3.2 交流励磁机励磁系统 |
| 2.3.3 静止励磁系统 |
| 2.4 励磁系统对电力系统稳定性的影响 |
| 2.4.1 电力系统稳定性的概念 |
| 2.4.2 电力系统稳定性的判据 |
| 2.4.3 励磁系统对电力系统稳定性的影响 |
| 2.5 励磁系统PID控制理论 |
| 2.5.1 PID控制的基本原理 |
| 2.5.2 PID控制的参数整定方法 |
| 2.5.3 PID控制器的性能评价指标 |
| 2.6 本章小结 |
| 第三章 励磁控制系统的数学模型研究及建模 |
| 3.1 基于Park方程的同步发电机数学模型 |
| 3.1.1 同步发电机的基本数学模型 |
| 3.1.2 Park变换 |
| 3.1.3 标幺制下的同步发电机方程 |
| 3.2 同步发电机的实用数学模型 |
| 3.2.1 电机实用参数 |
| 3.2.2 同步发电机的实用模型 |
| 3.3 励磁系统数学模型 |
| 3.3.1 功率放大单元数学模型 |
| 3.3.2 电压测量单元数学模型 |
| 3.3.3 速度反馈单元数学模型 |
| 3.3.4 PID控制单元数学模型 |
| 3.3.5 励磁机数学模型 |
| 3.3.6 励磁系统的实用模型 |
| 3.4 励磁控制系统的仿真模型 |
| 3.5 本章小结 |
| 第四章 粒子群算法及其改进 |
| 4.1 基本粒子群算法理论 |
| 4.1.1 粒子群算法的基本原理 |
| 4.1.2 基本PSO算法的流程 |
| 4.1.3 基本PSO算法的优缺点 |
| 4.1.4 几种改进粒子群算法 |
| 4.2 综合学习粒子群优化算法 |
| 4.3 基于交叉与自适应惯性权重策略CLPSO改进算法 |
| 4.3.1 改进CLPSO算法的原理 |
| 4.3.2 算法性能比较 |
| 4.4 本章小结 |
| 第五章 基于改进CLPSO算法的PID设计及仿真 |
| 5.1 基于改进CLPSO算法的PID控制器设计 |
| 5.1.1 PID控制器 |
| 5.1.2 改进型CLPSO-PID控制器 |
| 5.2 励磁控制系统PID参数整定对比实验 |
| 5.2.1 PID励磁控制系统仿真模型 |
| 5.2.2 励磁控制系统PID参数整定对比实验 |
| 5.3 励磁控制系统仿真对比分析 |
| 5.3.1 起励实验 |
| 5.3.2 负载电压扰动实验 |
| 5.3.3 系统品质参数扰动实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
四、发电机自适应模糊稳定器（论文参考文献）
- [1]一种基于PSS和模糊PID控制的运行工况波动下柴油发电机调速系统研究[J]. 金立军,洪琪旭. 电机与控制应用, 2021(12)
- [2]基于一致性算法的智能电网分布式控制研究[D]. 罗添辉. 华东交通大学, 2021(01)
- [3]基于强化学习的电力系统稳定器优化设计研究[D]. 孙桥枫. 电子科技大学, 2021(01)
- [4]前端调速式风电机组并网运行自适应预测控制研究[D]. 李宏伟. 兰州交通大学, 2020(01)
- [5]多机电力系统的励磁与SVC自适应控制系统设计[D]. 聂琳琳. 东北电力大学, 2020(01)
- [6]基于FPGA的电力系统稳定器的设计与实现[D]. 李科. 辽宁工业大学, 2020(03)
- [7]抽水蓄能机组系统辨识与复杂工况下控制规律研究[D]. 冯陈. 华中科技大学, 2020
- [8]船舶电力系统同步发电机振荡抑制方法研究[D]. 刘翔宇. 集美大学, 2020(07)
- [9]基于引力搜索算法优化的PSS对低频振荡的抑制研究[D]. 张万. 长沙理工大学, 2020(07)
- [10]同步发电机励磁控制系统智能优化研究[D]. 王道云. 山东大学, 2019(03)