工程硕士:2018年优秀工程硕士论文范文十篇.docx

工程硕士:2018年优秀工程硕士论文范文十篇.docx

  1. 1、本文档共100页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
工程硕士:2018年优秀工程硕士论文范文十篇 本文是一篇工程硕士论文,工程硕士论文的摘要,是对论文研究内容的高度概括,其他人会根据摘要检索一篇硕士学位论文,因此摘要应包括:对问题及研究目的的描述、对使用的方法和研究过程进行的简要介绍、对研究结论的简要概括等内容。摘要应具有独立性、自明性,应是一篇完整的论文。(以上内容来自百度百科)今天为大家推荐一篇工程硕士论文,供大家参考。 2018年优秀工程硕士论文范文篇一 第一章绪论 1.1研究背景及意义 为在全国范围内实现电力供需平衡和互济,未来我国将形成大规模的“西电东送”、“北电南送”的电力流格局⑴。高压直流输电是远距离跨区域电能输送的重要技术选择,是国家电网公司“坚强智能电网”建设的重要组成。随着多个直流输电工程的建成和投运,我国将逐步形成大规模交直流混联电力网络,这给电力系统运行带来了新的挑战[2]。由于可靠的潮流算法是交直流混联系统运行分析的基础,因此对其进行研究是很有意义而且非常必要的。另外值得注意的是,随着我国全面推进精益化的调度管理,电网运行部门对编制发电计划提出了更高的要求[3],而计及网络安全约束的机组组合问题(Security-Constrained Unit Commitment, SCUC)统一考虑了电力系统运行的经济性和安全性,对其进行研究有利于实现我国电网调度计划安排精细化,因此研究考虑交直流混联系统网络安全约束的机组组合问题是实现坚强智能电网安全经济运行的重要保障。此外负荷预测,尤其是短期和超短期预测,是现代电力系统运行管理的基础,其预测精度对交直流混联系统的安全经济运行具有重要影响[4]。随着电力系统的不断发展和日趋复杂,负荷预测难度不断增大的同时,对预测结果可靠要求的也不断提高,点预测方法越来越难以满足电力系统实际需求。而区间预测方法对由不确定因素引起的预测结果变动范围进行了量化[5 ],因此有必要对短期和超短期负荷进行区间预测研究并且以此为基础研究负荷不确定性对考虑交直流混联系统网络安全约束的机组组合问题的影响。 …………… 1.2直流输电系统简介 常规的基于晶间管的电流源换流技术由于在远距离大容量功率传输时具有独特优势,被世界上大多数直流输电工程所采用[7,8]。因此,本学位论文主要研究采用电流源换流器(Current Source Converter, CSC)来进行直流输电的交直流混联系统。一个完整的直流输电系统至少包含有2个換流站(分别作为整流站和逆变站)和连接换流站的输电线路网络组成[7 ]。换流站是直流输电系统的核心,其主要由换流器和换流变压器等重要设备组成。換流器是实现交流电与直流电变换的关键设备,其通过换流变压器与交流系统连接,而换流变压器一次侧绕组所联接的交流母线通常视为交流系统与直流系统的接口,如图1.1所示。如果将直流输电系统对交流系统的影响用换流站从其所联接交流母线抽出(或注入)的功率来等值,那?么在网络拓扑上该交直流混联系统将退化为一个纯交流系统。若换流站为整流站,直流电压参考方向如图1.1所示,若为逆变站,则参考方向与图中相反,而直流电流的参考方向始终为从换流阀的阳极流向阴极。值得注意的是,基于电流源换流技术的换流站在换流过程中需要大量的无功功率,通常整流站所需无功功率约为所传输有功功率的30%?50%,逆变站则为40%?60%,因此需要配置足够的无功补偿装置。 …………… 第二章基于极限学习机的负荷区间预测技术 2.1极限学习机基本理论 短期预测是对未来一日或几日每个采样点用电负荷的预测,因此也称为日度预测[29]。超短期负荷预测是对当前时段往后一个或几个时间点用电负荷的预测,因此也称为时分预测[2 9]。而负荷区间预测的结果,可以使电力系统决策人员更好地认识到未来负荷的不确定性及相关的风险信息,使其及时做出更加合理的决策。本章以电力系统短期和超短期负荷预测为背景,对区间预测技术进行了新的探索,在极限学习机点预测模型的基础上,提出了区间扩展法和比例系数法,并用实际算例验证了这两个方法的预测性能。极限学习机(Extreme Learning Machine)是单隐含层前向神经网络的新算法,网络结构如图2.1所示。该算法只需设定隐含层节点数以确定网络结构,网络的输出权值能由随机产生的隐含层节点学习参数直接解析确定而无需迭代调整,网络训练速度极快。同时,该算法能保证在已有条件下网络训练误差最小且由解析获得的输出权值范数最小,因此具备比常规单隐含层神经网络更好的泛化能力[31]。

您可能关注的文档

文档评论(0)

天降财神 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档