第1章 概论 1
1.1 模型和建模途径 1
1.1.1 模型定义与建模方法 1
1.1.2 模型基础 2
1.2 系统辨识的定义 7
1.3 辨识方法、内容与步骤 9
1.3.1 辨识方法 9
1.3.2 辨识内容 16
1.3.3 辨识步骤 18
1.4 电力系统中参数辨识的重要性 19
1.4.1 电力系统参数辨识的提出 19
1.4.2 电力系统参数辨识的特点 20
1.4.3 电力系统参数辨识的发展及研究现状 21
1.4.4 电力系统元件建模综述 22
参考文献 26
第2章 人工智能在电力系统中的应用 29
2.1 人工智能的含义 29
2.1.1 人工智能简述 29
2.1.2 人工智能的定义 31
2.2 智能算法的简介 32
2.2.1 人工神经网络ANN 32
2.2.2 遗传算法 44
2.2.3 免疫算法 55
2.2.4 蚁群算法 73
2.2.5 模拟退火算法 88
2.2.6 上述算法的相互结合 104
2.2.7 其他智能算法与体系 114
2.3 智能算法在电力系统的成功应用 115
参考文献 122
第3章 电力系统动态数学模型 134
3.1 动态系统的数学模型 134
3.1.1 线性动态系统模型 134
3.1.2 非线性动态系统模型 139
3.2 电力系统动态数学模型的特点 140
3.2.1 电力系统的DAE模型 141
3.2.2 同步电机数学模型 142
3.2.3 励磁系统的数学模型 145
3.2.4 原动机与调速器模型 146
3.2.5 负荷模型 148
3.2.6 电力网络的数学模型 152
参考文献 153
第4章 电力发电机组建模 154
4.1 发电机的常用模型 154
4.1.1 abc坐标下的有名值方程 154
4.1.2 同步发电机的基本方程 157
4.1.3 同步发电机的导出模型 158
4.2 参数模型的辨识方法 164
4.2.1 同步发电机参数辨识原理 164
4.2.2 同步发电机参数辨识步骤 166
4.2.3 发电机参数辨识方法 166
4.3 非参数模型的确定 174
4.3.1 传统发电机机理模型的特点 174
4.3.2 基于输入／输出特性的发电机模型 177
4.3.3 全互联递归神经网络（RNN网络）原理和学习算法 178
4.3.4 发电机详细模型的输入输出量的选择 182
4.3.5 培训模型的扰动方式选择 183
参考文献 186
第5章 励磁系统的建模 189
5.1 励磁系统的常规数学模型 189
5.1.1 励磁控制系统的基本任务 190
5.1.2 发电机励磁系统原理与分类 191
5.1.3 发电机励磁系统的数学模型 192
5.1.4 励磁系统的标幺值和建模所需要的数据 197
5.2 励磁系统建模的常用方法 198
5.2.1 发电机励磁系统参数辨识研究现状 198
5.2.2 基于频域法的发电机励磁系统的参数辨识研究 199
5.2.3 基于时域法的发电机励磁系统的参数辨识研究 206
5.3 智能算法在励磁系统建模及参数辨识中的应用 213
5.3.1 基于遗传算法的发电机励磁系统的参数辨识研究 213
5.3.2 基于改进模拟退火算法励磁系统参数辨识 219
5.3.3 基于粒子群优化算法的励磁系统参数辨识 224
5.4 现场测试励磁系统参数 227
5.4.1 励磁系统原型数学模型辨识 228
5.4.2 励磁系统计算模型的选择 232
5.4.3 励磁系统模型参数的校核 232
参考文献 233
第6章 调速系统及原动机建模 237
6.1 原动机和调速系统数学模型 237
6.1.1 原动机及调速系统及其模型 237
6.1.2 调速系统主要特性 243
6.1.3 调速系统模型在电力系统分析中的作用 245
6.1.4 电力系统计算用调速系统模型 245
6.2 常用的辨识方法 246
6.2.1 原动机及调速系统参数辨识研究现状 246
6.2.2 励磁调速系统模型参数辨识 250
6.3 人工免疫算法和神经网络的应用 256
6.3.1 模糊神经PID控制器设计 256
6.3.2 基于免疫算法的水轮机调速系统参数辨识 263
参考文献 269
第7章 电力系统负荷建模 271
7.1 概述 271
7.1.1 负荷模型对潮流计算的影响 272
7.1.2 负荷模型对小信号稳定的影响 273
7.1.3 负荷模型对暂态稳定的影响 273
7.1.4 负荷模型对电压稳定的影响 274
7.2 电力系统负荷建模的现状与发展 275
7.2.1 负荷模型 275
7.2.2 负荷建模方法 277
7.2.3 负荷模型的参数辨识方法 279
7.2.4 负荷辨识中存在的问题 281
7.3 基于非对称扰动的负荷建模新方法 281
7.3.1 负荷模型 282
7.3.2 参数优化 285
7.3.3 辨识参数的校验 286
7.3.4 改进的免疫算法用于负荷模型辨识 286
7.3.5 负荷模型参数的辨识与验证 295
7.4 本章小结 309
参考文献 309
第8章 电力电子元件建模 321
8.1 概述 321
8.1.1 目前电力系统的发展及存在的主要问题 321
8.1.2 电力电子设备建模的研究现状与发展 323
8.1.3 含非线性元件的电力系统仿真 325
8.2 非线性系统的稳定分析方法 326
8.2.1 非线性系统的研究历史与现状 326
8.2.2 主要非线性分析方法的研究现状 327
8.2.3 非线性系统稳定性的基本理论 329
8.2.4 电力系统暂态稳定分析传统方法概述 333
8.3 电力电子元件的详细模型 337
8.3.1 STATCOM的基本运行原理 337
8.3.2 STATCOM的数学模型 338
8.3.3 SSSC的运行原理 343
8.3.4 SSSC的数学模型 344
8.3.5 光伏电池的模型 347
8.3.6 燃料电池 349
8.3.7 微型燃气轮机的基本原理及模型 350
8.3.8 基于状态空间平均法的变流器建模 351
8.4 IGBT参数辨识智能优化算法的应用及改进 357
8.4.1 IGBT参数辨识优化目标 357
8.4.2 最优化问题 359
8.4.3 已应用的优化算法 360
8.4.4 遗传算法与模拟退火算法的混合策略 363
参考文献 364
第9章 电力系统动态等值 368
9.1 电力系统等值的常用方法及优缺点 368
9.1.1 动态等值问题 369
9.1.2 动态等值的发展综述 370
9.1.3 同调等值法 371
9.1.4 模式等值法 374
9.1.5 估计等值法 375
9.2 动态等值中改进免疫算法的应用 376
9.2.1 小生境免疫算法 376
9.2.2 基于小生境免疫算法的动态等值方法 380
9.2.3 基于小生境免疫算法的估计等值法 384
9.2.4 算例分析 386
参考文献 390
第10章 电力系统整体建模 394
10.1 电力系统运行特点 394
10.1.1 电力系统运行基本要求 394
10.1.2 运行风险问题的提出 396
10.1.3 电力系统风险评估目的与必要性 397
10.1.4 运行风险评估的国内外研究现状 398
10.1.5 运行风险评估研究的难点 399
10.2 微电网与智能电网的发展趋势 400
10.2.1 智能电网的概念 400
10.2.2 微电网的基本原理 402
10.2.3 微电网的国内外研究现状及前景 405
10.3 智能系统在电力系统整体建模中的应用 409
10.3.1 多智能体系统的基本概念 409
10.3.2 多智能体系统的体系结构及智能体间的通信 410
10.3.3 多智能体系统的协调与协作 414
参考文献 417