求解Controlling-UEP新方法的研究

提出一种将Brown算法与重新选择参考点的策略相结合求解电力系统暂态稳定性直接法 分析中主导不稳定平衡点(Controlling-UEP)的新方法。Brown算法相似于高斯消元法的牛顿类 算法,它把每一方程展成泰勒级数,所得到的最新信息(关于变量的最新解)立刻用于下一函数的构 造及求解,是求解病态方程组的好算法。文中将它与参考点的重新选择策略相结合,进一步提高它 求取病态情况下Controlling-UEP的稳定性。算例表明,所提出的新方法在收敛性和计算效率方 面有较好的效果。

Lyapunov指数在异步电动机机械振动识别中的应用

基于非线性动力学理论,研究异步电动机振动信号的Lyapunov指数特征,并应用于故障诊断和识别。首先,搭建试验平台,并模拟异步电动机正常工作、转子不对中和底座安装不良的三种转动状态。分析电动机三种振动信号的波形,并进行去噪和预处理。然后,基于BBA算法计算振动信号在不同工作状态下的Lyapunov指数谱,选取最大Lyapunov指数作为特征用于识别异步电动机的机械振动;最后,为了对该分析方法的有效性及抗干扰性进行验证,引入了随机噪声,分析所提出算法在不同参数下的受噪声的影响水平。研究结果显示,异步电动机在正常运行时,其最大Lyapunov指数值在0.3~0.7;安装不良时其最大Lyapunov指数值在0~0.3,表明这两种工作状态下电动机振动信号序列出自于一个混沌过程;在电动机处于转子不对中状态时,其最大Lyapunov指数值近似为零,表明其振动序列中基本不存在混沌属性。在该研究结果的基础上,配合特征融合与机器学习分类算法,将有效提高异步电动机机械振动识别的准确率和效率。