课程文献中心 更多>>

关键词： 高压大功率   开关器件   电磁特性   解析模型  

摘要： 准确获得高压大功率开关器件的电磁特性对器件所在系统的电磁干扰预测十分重要。聚焦用于高压大功率开关器件电磁特性分析的开关波形等效方法,针对当前等效波形过于理想而无法体现器件开关瞬态中复杂频谱分量的问题,提出考虑器件开关过程电磁特性的解析模型。从解析模型的时域解析式出发,基于傅里叶变换理论,推导了解析模型的频域解析式,分析频谱包络特征参数,得到了解析模型的频谱特征。利用Si IGBT和SiC MOSFET器件实测的开关波形,验证了理论分析的正确性。

关键词： 分布式光伏发电   最大功率点跟踪(MPPT)   电导增量法  

摘要： 分布式光伏发电系统需要实时调整工作状态以适应环境变化,确保能量最大化输出。研究探索了最大功率点跟踪(Maximum Power Point Tracking,MPPT)的多种方法,包括扰动观测法、电导增量法、模糊逻辑控制法以及粒子群优化方法。这些方法通过精细调节光伏系统的工作点,优化功率输出。各方法在响应速度、精度及稳定性方面表现各异,提供了有效的系统设计和实施指导。

关键词： 经验模态分解   神经微分方程   电力系统预测   长短时记忆网络  

摘要： 本文通过建立基于麻雀搜索算法(SSA)优化的太阳能发电混合模型,对太阳能发电功率进行预测。首先,通过改进的完全经验模态分解(ICEEMDAN)技术对太阳能发电数据进行预处理,将原始数据分解为固有模态函数(IMFs)和残余部分,从而有效去除噪声和非平稳成分。然后,将预处理后的IMFs和残余数据输入到双向长短时记忆网络(BiLSTM)进行建模,进一步使用ODE-LSTM技术稳定地学习长时间依赖关系。为提升该预测模型的性能,采用SSA进行超参数优化。实验结果表明,通过SSA优化的ODE-BiLSTM模型的均方误差(MSE)为116.78、平均绝对误差(MAE)为206.38,判定系数(R²)为0.7527。在这些指标表现上均优于传统的ARIMA、单一LSTM及随机森林模型,展现出更高的预测精度和鲁棒性。本研究验证了混合模型和优化算法在太阳能发电预测领域的潜力,为智能电网中新能源的高效管理提供了有力支持。

关键词： 横向耦合   极窄带   声表面波滤波器   物理场COMSOL软件   相对带宽  

摘要： 该文采用波导法分析了横向耦合极窄带声表面波滤波器速度变化模式,并用多物理场COMSOL软件对横向耦合声表面波滤波器的中心耦合条结构和耦合距离的变化建模进行计算,并分析频响特性。采用石英晶体作为底衬,设计了频率为898.144 MHz,插入损耗约为6 dB的极窄带声表面波滤波器并进行验证。结果表明,中心耦合条开腔结构的声表面波滤波器的相对带宽达到7.2‰,与不开腔结构5.2‰相对带宽相比,提升了2‰。这说明横向耦合声表面波滤波器的中心耦合条结构变化,能改变极窄带声表面波滤波器的相对带宽。

关键词： 功率放大器   CMOS   毫米波集成电路   高功率   宽带  

摘要： 基于标准55 nm CMOS工艺设计了一款工作在V波段下的高输出功率宽带功率放大器,放大器采用交叉中和电容技术来提高功率放大器的增益和稳定性,并通过两路功率合成网络提高输出功率。通过多频点叠加技术设计级间变压器,拓展放大器带宽。仿真结果表明,在1.2 V电源电压下,放大器的3 dB带宽为14.5 GHz,静态直流功耗为184 mW,饱和输出功率为13.2 dBm,小信号增益为16.6 dB,具有高宽带、高输出功率的优点。

关键词： 配电网   配电变压器   抽头变比   状态估计   多断面量测   二次约束二次估计问题  

摘要： 量测配置薄弱一直是困扰配电网状态估计精度的重要原因。台区智能融合终端的广泛应用丰富了量测配置,并使配电网状态估计范围延伸到配电变压器低压侧,客观上对配电变压器参数的准确性提出了更高的要求。配电变压器数量多,参数维护工作量大,参数准确性目前仍难以得到有效保证,变比参数错误是导致配电网状态估计精度低的关键因素。利用配电变压器普遍采用无载调压抽头、变比变化频率较低的特点,提出考虑配电变压器变比误差的配电网多断面联合状态估计方法。通过建立直角坐标系下基于二次型的配电网多断面联合状态估计模型,并采用正交变换法求解,实现对配电变压器变比的准确估计。IEEE 33节点修正系统及某实际配电网的算例分析结果表明,所提方法能够对配电变压器变比给出较为准确的估计,有助于及时发现并修正变比参数错误,减轻参数维护工作量,提升配电网状态估计精度。

关键词： 人工智能   太阳能   特征提取   残差连接   随机森林   TabNet   极端梯度提升   功率预测  

摘要： 分布式光伏发电功率预测在保障电网运行安全和就近消纳方面发挥着重要作用,为提升分布式光伏发电功率预测精度,提出一种基于多元气象的特征提取方法和基于残差连接的多模型融合的光伏发电功率预测模型.在特征提取时,引入统计、交叉、周期信息、近似熵和光伏板温度等特征提取方法,实现对时间、气象和发电功率的深层特征提取,丰富模型的输入.在模型构建时,建立基于残差连接的多层模型融合方法,首先提出基于k最近邻(k-nearest neighbor,kNN)的softmax回归预测模型,其次设计3层模型整体结构,并通过残差连接和多层堆叠的方式融合多个预测模型,持续提升光伏发电功率预测精度.基于电力公司真实数据,采用本研究方法与随机森林(random forest,RF)、TabNet和极端梯度提升(extreme gradient boosting,XGBoost)等模型,对光伏发电功率进行预测.结果表明,所提模型在均方根误差、平均绝对误差、均方误差和平均绝对百分比误差等方面可分别降低0.1097、0.0591、0.0507和0.0368,拟合优度可提升0.0804.基于多元气象的特征提取方法和基于残差连接的多模型融合的光伏发电功率预测模型能有效提升分布式光伏发电功率预测的精度和稳定性.

关键词： 特高压   换流变压器   乙炔   有载分接开关  

摘要： 对某特高压换流站低端换流变压器乙炔体积分数异常增长现象进行分析。分析低端换流变压器的油色谱数据、铁芯接地电流及夹件接地电流、负荷、温度与有载分接开关的动作情况,并与高端换流变压器进行对比,确定了故障类型,明确了乙炔体积分数异常增长的原因。最后提出了相应的防范措施,以保证特高压换流变压器安全运行。

关键词： 人工智能   配网工程   变压器   故障诊断   应用  

摘要： 随着人工智能技术的不断发展,其在电力系统领域的应用不断深入。配网工程和变压器作为电力系统的重要组成部分,一环有问题,另一环也会受影响,进而对电力系统造成不利影响。因此,基于人工智能技术的故障诊断和运行维护具有重要意义。首先,对配网工程及变压器故障特征进行分析与总结;其次,探讨基于人工智能(AI)技术的配网工程及变压器故障诊断方法;最后,分析基于人工智能的配网工程及变压器故障诊断技术在实际应用中的优势和局限,以期为相关领域的研究和工程实践提供有益参考。

关键词： 光伏阵列   FCS算法   局部阴影   最大功率追踪  

摘要： 局部阴影情况下,光伏阵列输出功率具有多峰值特性,针对最大功率点跟踪(Maximum power point tracking,MPPT)算法在实际应用中存在着收敛速度较慢,效率较低,且容易陷入局部功率极值的问题,将兼顾收敛速度、精度、功率稳定性的快速布谷鸟搜索(Fast cuckoo search,FCS)算法应用于光伏阵列最大功率追踪。FCS算法采用自适应步长和机会因子可避免过早收敛,全局搜索和跳出局部搜索能力强,收敛速度快,算法后期局部开发能力强,功率振荡小,功率输出稳定,最大功率追踪精度高。仿真表明,在静态阴影、动态阴影条件下,FCS算法较灰狼算法(Grey wolf optimizer,GWO)、粒子群算法(Particle swarm optimization,PSO)具有更快地收敛速度和更高的收敛精度,且稳定性好,有效地提升光伏阵列的输出效率。