电网电压不对称故障下软件锁相技术

介绍了传统软件锁相环(SPLL)的工作原理及优缺点,针对电网发生三相不对称故障情况下负序分量对锁相环检测精度的影响,提出基于整系数滤波器的SPLL。通过零极点对消的方法设计出低通整系数滤波器来抑制由负序分量转换而来的2次谐波,提高了锁相环的抗干扰能力和检测精度。由于整系数滤波器运算量小,其对SPLL的实时性影响很小。实验结果验证了所提方法的可行性。

基于梯度下降法的单相幅相锁相环优化设计

基于目标函数优化的思想设计了单相幅相锁相环系统(1MPLL),详细讨论了系统中参数的设计方法。为了提高系统的谐波抑制能力,以最近时域区间系统偏差的积分构造目标函数,通过梯度下降法分析了目标函数的最速下降方向,推导出锁相环系统的非线性状态方程,从而对输入信号属性进行估计。为了进行系统性能分析和参数设计,对系统非线性状态方程在平衡点进行线性化处理,采用根轨迹理论对系统参数进行设计。系统能在各种电能质量问题下(如幅值突变、频率波动、相位突变,尤其是谐波污染)对输入信号的属性进行快速精确估计,为并网电力电子设备的检测和控制提供有效、可靠的基准。仿真实验验证了系统设计的正确性和良好性能。

基于对称分量估计的电压暂降特征量实时检测方法

动态电压恢复器是解决电压暂降等电能质量问题的有效方法。针对电压暂降特征量(暂降幅值、相位跳变、持续时间)实时检测的需要,在电网三相电压的对称分量法模型基础上,提出了改进的基于最小均方学习规则神经网络的特征量参数估计算法。该算法具有运算量小,检测精度高,动作快的特点。在理论分析的基础上,对所提算法和常规dq变换法进行了仿真比较,结果验证了该算法的可行性。

基于模型参考自适应算法的三相锁相环系统

针对电网不对称故障下的锁相问题,提出了基于模型参考自适应算法的三相锁相环系统。在建立三相电压系统动态模型的基础上,设计了具有频率自适应的状态观测器,采用李雅普诺夫稳定性理论设计了频率估计自适应率,使系统具有全局稳定性,在对系统合理简化的基础上,设计了自适应系统中的关键参数,满足了系统对动态性能的要求。系统能在不对称条件下对电网中正、负序分量进行快速、精确估计,从而达到对包括正序相位在内的电网电压属性锁定的目的。由于采用了自适应思想,系统对电网电压不对称突变、频率波动具有很强的鲁棒性。仿真和实验结果验证了算法的可行性。

动态电压恢复器的模型预测控制

为了提高动态电压恢复器的响应速度和稳态精度,提出了基于模型预测控制的控制策略,详细分析了控制器参数设计方法。在分析动态电压恢复器主电路模型的基础上,采用内环电流控制器对模型进行改进,得出模型预测控制所需的被控对象一步预测模型,设计了模型预测控制器。所提控制算法克服了基于非参数预测模型的模型预测控制由于算法复杂、参数调整困难,计算量大,很难直接应用到电力系统这样的快速实时系统中的问题,同时实现了预测控制滚动优化、反馈校正的优点。在满意的稳定精度下,明显提高了系统的动态响应速度。与经典控制策略的实验对比分析,证明了所提方法的正确性和有效性。

智能电动机保护器中电流检测环节的设计与实现

电动机的广泛使用,开发对其进行保护的智能保护装置具有重要意义,首先需要解决的就是电流检测问题。文中采用线性霍尔传感器对电流检测,设计了信号调理电路,分析了影响采样计算有效值的因素,修正了有效值计算方法,利用最小二乘法对数据进行处理,得到了信号调理信号与实际电流有效值之间的线性系数。开发了实时监视界面,方便了数据的采集分析,实验结果证实电流检测达到了较高的精度。

并联有源滤波器的一种高可靠性控制策略

为了提高有源电力滤波器的可靠性,针对负载电流波动和负载突停等工况时导致直流侧电压波动过大而无法正常补偿谐波等问题,研究了一种基于多同步坐标旋转的直接谐波提取方法,并将d-q谐波提取方法和直接谐波提取方法对直流侧电压控制的影响进行了分析和对比。提出了把直接谐波提取方法和复合重复控制相结合的指定次补偿控制策略,该策略不仅由于采用直接谐波提取保证了系统的可靠性,与复合重复控制结合也保证了系统的动态性能和稳态精度,而且可以指定次谐波补偿,补偿灵活。仿真和实验结果证明了研究内容的有效性。

风电场短期风速变化区间与变化趋势预测算法

风电场短期风速区间预测对风电场与电力系统的协调运行具有重要意义,基于模糊信息粒化和最小二乘支持向量机提出了一种短期风速区间预测算法。首先对风速时间序列进行Witold Pedrycz模糊信息粒化,得到3个模糊粒子Low、R和Up,分别代表风速区间的最小值、变化趋势和最大值,然后利用最小二乘支持向量机回归预测模型对粒化数据进行回归预测。实例分析结果表明,该算法提高了预测精度和效率,可以有效地预测风电场短期风速的变化区间和变化趋势。

风电机组异常数据预处理的分类多模型算法

针对风电机组异常风速-功率数据的产生原因和分布特点进行分析,提出一种异常数据分类多模型算法。对不同类别异常数据建立弃风、4分位和模糊C均值数据处理模型,识别弃风产生数据、离群孤立点数据、偏差簇数据,并利用3次样条方法修正异常风速点。运用该方法对甘肃酒泉风电场和美国Wisconsin州Butler Ridge风电场历史数据进行数据预处理,采用RBF网络对处理前后的数据进行风速预测。预测结果表明,经过识别并剔除异常风电机组数据后风速预测精度可提高1%~3%,说明该方法有效剔除了风电场异常数据,对风电场风速预测有一定的应用价值。

基于相空间重构和卷积神经网络的电能质量扰动分类

为了提高电能质量扰动信号分类的准确率,首先利用相空间重构将一维时间序列电能质量扰动信号重构到多维相空间,获得扰动信号轨迹并投影到二维相平面,形成二维轨迹图像。然后对该图像进行二值化处理,减少信号的数据量,凸显轨迹轮廓。最后通过卷积神经网络对处理后的轨迹图像进行特征提取,并对相应的扰动信号进行分类识别。在卷积神经网络框架Caffe下进行仿真实验,仿真结果表明该方法具有很高的识别准确率和良好的抗噪能力。

风力发电机组出力组合区间预测算法

论述风电机组出力的准确预测对含大规模风电场电力系统的经济、安全运行具有重要意义,提出基于模糊信息粒化-最小二乘支持向量机和混沌时间序列的出力组合区间预测方法.首先用最大-最小贴进度的方法建立风速组合区间预测模型,然后在风速区间预测的基础上,通过风速与出力之间的关系-功率曲线,得到风电机组出力在未来时刻的变化区间.对提出的预测模型,使用甘肃酒泉某风电场和美国Wisconsin州Butler ridge风电场的现场实测数据进行测试验证,结果表明通过该预测模型得到的风电机组出力变化区间具有较高的精度和置信水平.

基于SRSM的含分布式电源及电动汽车充电负荷配电系统的概率潮流计算

为了准确描述配电系统中不确定因素对系统概率潮流分析的影响,引入随机响应面法(stochastic response surface method,SRSM)对含分布式电源(distributed generators,DG)及电动汽车充电负荷(electric vehicle charging load,EVCL)配电系统的概率潮流进行分析。该方法充分考虑了风速、光照强度的随机性以及基础负荷和EVCL的不确定性,仅需较少的仿真次数便可快速估计出响应的概率统计信息。通过对IEEE14和IEEE30节点系统的算例分析,结果表明SRSM具有较高的计算效率和模拟精度,同时验证了所提方法的有效性、准确性、快速性和实用性。

深度信念网络在电能质量复合扰动识别中的应用

针对电能质量复合扰动信号数据量大、识别效率低的问题,提出一种基于压缩感知理论和深度信念网络的电能质量复合扰动识别方法。首先通过压缩感知理论得到原始扰动信号的测量值,并基于正交匹配追踪算法求得稀疏向量;其次构建深度信念网络分类模型,将稀疏向量作为网络的输入,通过对比散度学习算法训练网络,实现扰动信号的分类;最后对14种常见扰动信号进行仿真验证,仿真结果表明,该方法有效地减少了所需处理的扰动数据量,并且对单一扰动和复合扰动都有效且具有很高的识别效率。

“单片机原理及应用”教学实验装置的研发

开发了一种基于51内核单片机的教学实验装置。该实验装置采用互相独立的模块结构。介绍了各模块的功能和主要元器件以及该实验装置的应用情况。

含分布式电源配电系统的电压质量概率评估

针对含分布式电源配电系统概率潮流计算中随机变量多元化的特点,提出了基于组合抽样的蒙特卡罗(Monte Carlo,MC)方法,基于此方法对含分布式电源配电系统的电压质量进行概率评估分析.该方法不仅考虑了风速、光照强度的随机性以及基础负荷和电动汽车充电负荷(electric vehicle charging load,EVCL)的不确定性,而且计及了输电线路的故障率等随机因素.通过对IEEE9和IEEE34节点系统的算例分析,验证了所提方法的有效性、准确性、快速性和实用性.

一种基于关联集和可用度的光伏发电系统维护策略

针对光伏发电系统定期维修费用较高且不能充分利用系统实时状态而动态调整维修策略的问题,在考虑设备运行状态和天气因素影响的基础上,提出了一种基于关联集和可用度的光伏发电系统动态组合维护策略。首先,从设备功能相关性出发建立关联集,以关联集为单位进行维修决策,并通过改进的马尔可夫模型预测设备和关联集状态,计算其可用度。然后,在设备维修决策阶段,以维修成本最低和可用度最高为目标,通过引入方式因子结合设备状态类型确定维修时间及方式。在关联集维修策略优化阶段,依据设备之间经济结构相关性建立共同维修决策集,从而确定系统最佳维修策略。最后,以某光伏电站为例验证了所提方法的正确性和有效性。结果表明,该方法能有效节省系统维修总费用,提高系统可用度。

基于偏差补偿最小二乘的谐波发射水平估计方法

为了克服电压和电流信号中的有色噪声的影响,提出了一种基于偏差补偿最小二乘的系统谐波阻抗及用户谐波发射水平的估计方法。利用公共连接点测量得到的谐波电压和谐波电流信号,通过偏差补偿最小二乘算法求解回归系数;提取对因变量解释性最强的综合变量,辨识系统中的信息和噪声,更好地克服变量相关性在系统建模中的影响。由回归系数映射出系统谐波阻抗,进而计算出用户的谐波发射水平。通过实验电路仿真分析验证了该方法的有效性。

一种基于改进独立分量分析算法的谐波源分离与定位方法

针对配电网谐波阻抗未知情况下,用独立分量分析算法提取谐波电流的顺序对谐波电流的分离性能有较大影响的问题,提出一种通过改进独立分量分析算法的谐波电流提取,进而进行谐波源分离与定位的方法.将信号处理中的抽气技术用于独立分量分析算法中,得到改进的独立分量分析算法;以谐波电压为量测量,采用改进独立分量分析算法按负熵大小降序提取谐波电流,通过计算分离得到的谐波电流与各量测节点谐波电压之间的互信息,对谐波源进行准确定位.在IEEE14节点配电系统中进行仿真测试,以归一化偏移误差和相关系数为评价指标,将其与独立分量分析算法分离得到的谐波电流进行对比,结果表明所提出的方法能实现谐波源的准确估计和定位.

基于机会约束规划的农村配电网光伏电源极限准入容量计算方法

为避免考虑小概率事件的发生而影响光伏电源极限接入容量的计算,文章在考虑光伏电源和负荷随机性的基础上,提出了基于电压偏差机会约束的光伏电源极限接入容量计算方法。首先,以最大化光伏电源极限接入容量为目标,以电压偏差为机会约束条件,建立光伏电源极限接入容量的计算模型;然后,利用基于拉丁超立方采样(Latin Hypercube Sampling,LHS)的概率潮流算法得到节点电压统计特性,并利用概率潮流计算结果和量子遗传算法求解该模型;最后,通过IEEE34节点算例和甘肃省某地区农村配电网的仿真计算,验证了所提方法的有效性和可行性。

基于案例推理和SVM-KNN的电能质量扰动分类方法

针对电能质量扰动信号的准确分类识别问题,提出一种基于案例推理(CBR)和支持向量机(SVM)的电能质量扰动分类方法.首先通过原子分解法对电能质量扰动信号进行分解,提取特征向量,并以此建立电能质量扰动信号案例库;在进行分类时借助SVM-KNN算法对案例库进行检索,找出最相似源案例;通过修改或重用最相似案例的结果来确定扰动信号分类结果.算例表明该方法构造的分类器结合了案例推理和支持向量机在模式分类中各自的优点,结构简单,训练样本少,识别准确率高,分类速度快,能够有效地识别常见的6种电能质量扰动.