电力电子与电力传动硕士论文︰油田配电网无功优化动态模拟潮流计算遗传算法BP神经网络.docVIP

电力电子与电力传动硕士论文：基于遗传神经网络的油田配电网静动态无功优化研究 【中文摘要】目前,我国油田开采大多处于中后期,采收率下降成本升高,且抽油机特殊的运行方式和井下原油含量的不断减少,使油田配电网存在无功含量大,网损率高,功率因数低等缺点,造成电能的严重浪费。针对这一实际问题,研究一种油田配电网无功优化方法具有重大意义。在分析了油田配电网现状的基础上,提出了基于遗传神经网络在静、动态无功优化中的研究方法。建立了以网损率和电压合格率为目标的无功优化数学模型。选用前推回代法对其进行潮流分析。提出了以最大降损与负荷功率阻抗矩相结合的方法,确定静态和动态无功补偿点的具体位置。针对抽油机上下冲程的运行方式,提出了灰色GM(1,1)改进模型与潮流计算相结合的方法对油田配电网运行参数进行动态模拟,为动态无功优化提供原始数据。在静、动态无功优化研究中,以平均负荷功率为对象,利用改进遗传算法,计算出静态补偿点的补偿容量,根据负荷功率平均值的50%~150%,进行参数动态模拟,生成若干组新的网络负荷功率,并确定出动态补偿点在该组的静态补偿容量,将得出的模拟数据和对应补偿容量作为后期动态无功优化的样本值。动态无功优化采用改进BP算法建立神经网络,由样本空间对网络进行训练和测试,得出了训练好后的B... 【英文摘要】At present, most of oil exploitations in China are in the mid-late period. The recovery ratio decreases while the costs increase. Owing to special operation mode of pumping unit and the diminishing oil content, the distribution network of the oil field has many shortcomings, such as high ratio of reactive content and network loss, low power factor and so on, which cause serious energy waste. So, it is important to research the method of reactive power optimization.Based on the analysis of the status quo... 【关键词】油田配电网 无功优化 动态模拟 潮流计算 遗传算法 BP神经网络 【英文关键词】oilfield distribution network reactive power optimization dynamic stimulation trend analysis genetic algorithm BP neural network 低电压穿越 双馈发电机 无速度传感器 模型参考 电网故障【目录】基于遗传神经网络的油田配电网静动态无功优化研究 摘要 4-5 Abstract 5-6 第1章 绪论 10-16 1.1 课题研究背景 10-11 1.1.1 油田配电网现状 10 1.1.2 无功优化在配电网运行中的意义 10-11 1.2 配电网无功优化研究现状 11-13 1.2.1 配电网无功优化经典方法 11 1.2.2 配电网无功优化智能方法 11-13 1.3 配电网负荷预测研究现状 13-15 1.3.1 负荷预测概述 13 1.3.2 负荷预测方法比较 13-15 1.4 本文主要工作 15-16 第2章 油田配电网无功补偿基本理论与潮流计算 16-30 2.1 无功功率平衡理论 16-19 2.1.1 无功功率与负荷电压的关系 16-18 2.1.2 无功功率与网络有功损耗的关系 18 2.1.3 无功功率与网络功率因数的关系 18-19 2.2 油田配电网无功补偿原则与补偿方式 19-20 2.3 油田配电网无功优化数学模型 20-23 2.3.1 数学模型的建立 20-22 2.3.2 约束条件的选择 22-23 2.4 前推回代法潮流计算 23-30 2.4.1 潮流计算概述 23 2.4.2 馈电线路与变压器的电力参数计算 23-25 2.4.3 前推回代法潮流计算设计 25-27 2.4.4 算例分析 27-30 第3章 基于最大降损负荷功率阻抗矩法的无功补偿点选取 30-34 3.1 负荷功率阻抗矩法的基本原理 30-32 3.2 基于最大降损与负荷功率阻抗矩法确定补偿点位置 32 3.3 算例分析 32-34 第4章 基于灰色预测的模拟油田配电网运行参数 34-43 4.1 灰色理论的概述