课程文献中心 更多>>

关键词： 小波分析   高压变频器   功率单元   故障检测分析  

摘要： 在现代工业中,高压变频器作为重要的电力调节设备,广泛应用于各种生产过程。然而,随着使用频率的提升,变频器的故障率也显著上升,因此,开发有效的故障检测技术、及时发现并处理潜在故障,已成为行业内亟待解决的问题。小波分析技术以其在信号处理中的独特优势,能有效提取电压信号的瞬时特性与频率成分,为故障识别提供了新的思路。本研究以小波分析为基础,通过分析高压变频器功率单元的电压信号,提出了一种基于小波包分解、信号特征熵、包络提取及支持向量机诊断模型相结合的故障检测方法,以提高故障诊断的精度和实时性,保障高压变频器的安全可靠运行。

关键词： 火电厂变压器   PLC   实时监测   故障维修  

摘要： 本文针对当前火电厂变压器故障维修中存在的效率低、诊断不及时等问题,提出了一种基于PLC技术的变压器故障维修方法。该方法首先根据变压器的控制要求,用PLC进行编程控制,实现响应传感器的输入信号并产生相应的输出信号,即采集与变压器相关的输入信号,如变压器的当前电压、电流、温度等参数,PLC再根据采集到的信号,按照预设的控制逻辑进行处理和判断,包括比较电压、电流等参数与预设的阈值,以及根据比较结果做出相应的决策,根据处理和判断结果 PLC通过输出模块产生相应的控制信号,以控制变压器的运行。实验结果表明,该方法不仅能提高故障发现的准确性和及时性,还可有效缩短维修时间,且能显著提升火电厂变压器的运行可靠性与维护效率。

关键词： 充电需求功率   变权组合   强化学习   灰狼优化算法   最小二乘支持向量机  

摘要： 当电动汽车(Electric vehicle,EV)与充电桩连接时,精确预测电动汽车动力电池组的充电需求功率,对于防止电池组过充电至关重要。由于电池组物理模型的复杂性使基于其充电需求功率预测方法通常难以构建,且实时性不高。此外,单一预测模型的预测精度偏低。针对上述问题,结合充电数据与机器学习,提出一种基于强化学习与变权组合模型的EV充电需求功率预测方法。在传统灰狼优化算法的基础上,将混沌映射、精英反向学习策略相结合以提高初始种群的质量,利用强化学习的动态权重策略更新灰狼个体位置来优化最小二乘支持向量机(Least square support vector machine,LSSVM)算法中的参数;通过基于时变权重分配的变权组合方法合理分配极限学习机预测模型与改进LSSVM预测模型的权重,解决单一预测模型方法的不足;采用电动汽车的实际充电数据对所提预测算法进行验证,新方法相较于其他3种传统方法在预测精度上分别提高了4.75%、3.84%和0.38%。

关键词： 虚拟同步发电机(VSG)   构网型变流器   功率耦合   阻抗模型   频率振荡   动态相对增益矩阵  

摘要： 虚拟同步发电机(virtual synchronous generator,VSG)控制的构网型变流器能为新能源并网提供一定的惯量和阻尼支撑。然而,VSG控制环节产生的功率耦合问题会引起系统频率振荡,严重时会威胁系统安全。针对多台VSG并网时的功率耦合交互对频率振荡的影响机理不清晰的问题,文中提出一种考虑功率耦合的多VSG并网系统阻抗建模方法,并结合参数变化分析频率的振荡特性。首先,分析单VSG并网的功率耦合机理,并基于此建立多VSG并网系统的阻抗模型,揭示多VSG下输出角频率主要受自身功率、交互功率和电网角频率影响。其次,提出一种基于动态相对增益矩阵的方法,定量分析系统参数变化对VSG间交互影响的大小,得到高、低频段下多VSG系统参数变化对系统耦合交互的影响趋势。最后,在PSCAD中构建3台VSG并网系统模型,并通过时域仿真验证理论分析的准确性。

关键词： 脉冲激光器   全光纤   掺镱光纤激光器   种子源调制   主振荡功率放大器  

摘要： 为实现高功率、多参数可调的全光纤主振荡功率放大器(MOPA)结构纳秒脉冲激光输出,采用电路直接调制的半导体激光器作为种子源,设计了一种全光纤MOPA结构高功率脉冲激光器,优化了有源光纤弯曲半径及光路结构。实验结果表明,当一级和二级泵浦功率分别为2.2 W和34.38 W时,该激光器可获得平均输出功率为20.85 W、最大峰值功率为12.9 kW、中心波长为1064.5 nm、线宽为3.75 nm、平均光束质量M2为1.345的稳定输出。

关键词： 相位敏感光时域反射仪   同相正交解调   低通滤波器  

摘要： 为了优化相位敏感光时域反射仪(Φ-OTDR)系统的信号解调质量、空间分辨率及振动定位性能,基于外差相干探测的Φ-OTDR系统通过欠采样和同相正交(IQ)解调技术,研究了低通滤波器(LPF)截止频率对系统性能的影响。实验中采用窄线宽激光器、声光调制器、平衡探测器等搭建系统,并设置5种不同截止频率(12.5、10、7.5、5、2.5 MHz)的LPF进行对比分析。实验结果表明:当LPF截止频率为7.5 MHz时,解调信号的信噪比(SNR)达到最高值(40 d B),且不同采样点间的信号质量更稳定;同时,LPF截止频率对系统空间分辨率无显著影响,但对振动定位存在一定误差(约2~5 m)。

关键词： LTCC   小型化   带阻滤波器   HFSS   电磁场仿真  

摘要： 采用LTCC工艺设计一种集总元件结构带阻滤波器,先用ADS软件优化仿真获得电路元件初始值,然后采用微波电磁场仿真软件HFSS对滤波器物理模型优化仿真。其中谐振单元采用左右对称结构,降低三维模型调试难度。螺旋电感以双层介质层线路为基础进行环绕降低耦合电容的值。成功设计了一种LTCC带阻滤波器,其中心频率为1500MHz,在带阻1450~1550MHz范围内衰减量大于32dB,在通带10~1200MHz和1800~4000 MHz范围内插入损耗小于1.5 dB,通带驻波比小于2.0。采用LTCC工艺制备该带阻滤波器,尺寸为4.5mm×3.2mm×1.5mm,样品实测结果与电磁仿真结果基本一致。

关键词： 脉冲大功率   辐射场积分   深度学习  

摘要： 脉冲大功率广泛应用于脉冲雷达、相控阵雷达、遥测等领域,其测量结果准确性直接影响电子设备在电磁环境适应性评估中的可靠性。辐射场积分脉冲功率测量方法是一种常用的脉冲大功率测量手段,但测量结果稳定性和一致性较差。文章基于深度学习算法建立了辐射场积分脉冲功率测量模型,通过深度神经网络修正辐射面的功率密度测量偏差,并进行了验证。结果表明,基于深度学习的脉冲大功率测量方法比传统辐射场积分脉冲功率测量方法的结果偏差减少了1.3 dB。研究成果可以拓展脉冲大功率校准领域的技术储备,进一步满足脉冲功率参数的量值溯源需求。

关键词： 风能发电功率预测   多尺度信息   跨维度—时间依赖   多任务学习  

摘要： 为提高短期风能发电功率预测的准确性,提出一种硬参数共享的多任务学习模型,分为参数共享层和任务指定层。在参数共享层中,一方面,由于时序数据中不仅有时间上的依赖,而且有跨维度的依赖,有助于提升预测精度,因此提出跨维度—时间依赖混合编码模块(CD-TDMEM);另一方面,鉴于不同尺度的信息对预测未来结果所起到的不同作用,针对多层次的高低频分量分别进行编码,构建多尺度信息编码模块(MSIEM)。在任务指定层中,对于每个子任务,首先对多尺度模块的编码信息和跨维度—时间依赖混合编码信息进行融合,经过多层解码器解码,最终使用Transformer生成式预测模型的一步解码得到每个子任务的预测输出。实验结果表明,对于短期风能发电功率预测任务,相比其他模型,该模型在传统的单任务学习上MSE分别降低了13.97%、69.78%、75.36%、2.30%、7.18%,MAE分别降低了7.33%、53.82%、54.29%、-2.07%、4.32%。而利用多任务学习机制之后,相比单任务学习,MSE进一步降低了1.94%,MAE进一步降低了7.00%,表明多任务学习的预测效果更好。另外,相比其他几个多任务学习模型,MSE分别降低了9.97%、8.27%、3.34%,MAE分别降低了16.43%、10.74%、7.96%。消融实验也证明了各模块的有效性。

关键词： 短期风电功率   改进蛇优化算法   核极限学习机  

摘要： 为了对风电功率进行精确预测,基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、改进蛇优化算法(improved snake optimization,ISO)和核极限学习机(kernel extreme learning machine,KELM),提出了一种混合短期风电功率预测模型.首先,利用CEEMD将非平稳的风电功率数据分解为若干相对平稳的分量,以降低原始数据的不稳定性;然后,引入改进蛇优化算法对KELM参数进行优化,并对各平稳分量和残差构建CEEMD-ISO-KELM预测模型;最后,将各分量和残差的预测结果进行重构,得到最终的风电功率预测结果.仿真结果表明,与现有预测模型相比,提出的预测模型能够很好地预测风电功率的变化趋势,在短期风电功率预测中取得了较好的精度.