U-IE

冬季戏剧回归、团体专辑也在紧张筹备中，有着一张讨巧甜美脸庞的U-IE，如若一阵清风，用她的清新魅力拂过这段她正精彩的青春岁月。

孤岛微电网电流同步U-I下垂控制方法

采用电压-电流(U-I)下垂控制的孤岛微电网系统始终运行于工频频率,避免了传统下垂控制存在的频率偏差及频率越限问题,但电源间易产生环流,功率分配精度差。为此,提出电流同步U-I下垂控制方法,该方法由电流同步控制及U-I幅值下垂控制两部分构成。前者通过调节输出电压相角使各电源输出电流相角一致,以抑制电源间环流;后者依据输出电流的幅值调节输出电压的幅值,使各电源出力依据自身容量分配。在此基础上,建立双端系统的小信号模型,分析电流同步控制环路中控制参数对系统稳定性的影响,为参数设计提供依据。仿真及实验结果表明,相比U-I下垂控制,所提方法的系统环流减小50%以上,电压畸变率改善近10%,电源间功率分配精度及系统电能质量均得到明显提升。

基于超低频介损和U-I滞回曲线的XLPE电缆水树老化状态评估

为准确地评估交联聚乙烯(cross linked polyethylene,XLPE)电缆的水树老化程度,该文提出一种基于超低频介损和U-I滞回曲线的评估方法。对3组XLPE样本分别进行0、96和168h的加速水树老化,老化结束后采用快速超低频介损设备(very-low frequency dielectric loss detector,iFDS)在1mHz~1kHz范围内测试不同水树老化状态的XLPE电缆的介电频谱和不同频率下U-I滞回曲线。结果发现:水树老化后的电缆段在超低频段(1mHz~0.1Hz)的介损值显著增大,并在0.002和0.1Hz附近出现两个明显的松弛损耗峰。老化越严重的试样,U-I滞回曲线形变越严重。水树老化后电缆绝缘中产生了新的松弛极化过程,相较于单一频率0.1Hz下的介损值,超低频介电谱能够提供更丰富的绝缘状态信息。在1mHz下,U-I滞回曲线特性的偏转角变化率与曲线形变率均随超低频介损值的上升而增大,能够更加准确地评估电缆绝缘的水树老化程度。将超低频介损结合U-I滞回曲线可以有效地评估电缆绝缘的水树老化程度。

考虑多状态特征的非侵入式负荷识别方法

针对传统负荷识别存在无法准确区分含有多种运行状态的负荷识别问题,该文提出一种考虑负荷多状态特征的非侵入式负荷识别方法(non-intrusive load monitoring,NILM)。首先,利用VGG16卷积神经网络(visual geometry group 16neural network,VGG16)对负荷的U-I轨迹进行初步分类。然后,采用最大相关最小冗余特征选择(max-relevance and min-redundancy,mRMR)算法,从未成功分类的负荷的各个工作状态中筛选出最优特征组合作为输入,通过支持向量机(support vector machines,SVM)算法进行二阶段识别,达到快速精细化识别多状态易混淆电器的分类效果。最后,利用Plaid数据集,对分别考虑单个状态和多个状态特征的识别效果进行对比分析。结果表明,文中所提方法可以有效区分易混淆的多状态电器,提高了识别准确性。

基于U-I轨迹曲线精细化识别的非侵入式居民负荷监测方法

识别用户的负荷用电特性与用电行为是智能电网的重要研究内容之一。该文提出一种基于U-I轨迹曲线精细化识别的非侵入式负荷监测方法,实现对用户负荷有效的非侵入式监测。首先,利用拟合优度检验捕捉用电器投切事件,提取负荷的有功、无功功率变化量以及U-I轨迹3类特征。然后,进行两阶段负荷识别:第一阶段利用考虑初始优化的k-means算法对有功、无功变化量进行聚类,并压缩聚类个数,将功率特征相近的用电器聚为同组,得到一阶段识别判据,实现负荷粗辨识;第二阶段针对一阶段存在的识别盲区,构建卷积神经网络模型,以二维U-I轨迹图作为输入,通过卷积神经网络自动提取轨线的有效特征,实现一阶段盲区负荷的精细化识别。最后,利用BLUED数据集进行方法有效性的验证。

改进U-I法异步电机转子磁链估计器

在磁场定向控制的异步电机驱动系统中,精确的磁链估计是提高系统性能的关键。然而,参数摄动和量测噪声会导致估计器性能的下降。为了减小估计误差,必须抑制这些不确定因素对估计器的影响。在基于跟踪-微分器的电流定向的坐标系中,提出了定子电阻辨识和稳态磁链估计的新方法,该方法本身完全独立于电阻和转速。利用其结果,提出了改进U—I法磁链估计器。该估计器在适应定子电阻和抑止噪声积累方面优于U—I法。仿真表明该估计器具有很高的精度和良好的抗扰性。

基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法

随着新型电力系统对需求侧资源调控要求的提高,负荷识别作为负荷精细化管理的关键技术愈发受到重视。而现有方法仍可进一步丰富负荷电气量周期性表征角度、提升多元特征融合能力以提高模型性能,降低识别模型复杂度以增强实用性。因此,提出了一种基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法。首先,采用庞加莱映射在相空间角度表征负荷运行的周期轨迹特征,构建原始电流、无功电流的U-I轨迹以刻画多维动态特性,更基于二进制编码嵌入多种电气专家特征,融合生成强区分性的彩色特征图像。再构建特征学习能力强且轻量化的MobileOne负荷识别模型,通过重参数化策略进一步降低模型计算复杂度并缩短推理时延以大幅提高边缘部署的可用性。在公开数据集PLAID和WHITED中进行实验,所提方法的准确率与宏F_1分数均高于现有方法,且相比现有基于图像化特征的负荷识别模型,至多可减少99.23%的参数量、98.27%的浮点数运算和89.15%的推理时延。

基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形故障在线检测方法

为解决短路阻抗法不能进行故障类型识别及其与ΔU-I_(1)轨迹法均易受设备测量误差干扰的问题,提出了基于短路电抗及ΔU-I_(1)轨迹特征联合分析的绕组变形在线检测方法。介绍了在线短路阻抗法的原理,并根据互感器测量误差的短时不变性提出了减小测量误差的计算方法。介绍了ΔU-I_(1)轨迹法的原理,然后给出基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形在线检测步骤和判据。通过建立变压器的仿真模型,对所提方法的有效性及考虑测量误差时的准确性进行了验证。结果表明,所提方法能在考虑测量误差时准确识别变压器的绕组变形故障,具有工频带电监测和故障类型识别的优点,提高了绕组变形故障识别的精度。

基于U-I曲线的单相自耦变GIC无功损耗算法

准确计算整个电网的地磁感应电流(GIC)无功扰动非常困难。针对超特高压电网广泛采用的单相自耦变压器,提出了一种基于变压器U-I曲线和铭牌参数计算变压器GIC无功损耗的方法,算法利用厂家提供的U-I曲线和铭牌参数建立ψ-i曲线解析模型,求取变压器的GIC无功扰动增量,适用于地磁暴影响评估的工程计算。算例分析结果验证了算法的有效性。

静止无功补偿器改进U-I特性控制

静止无功补偿器(SVC)的传统U-I特性中,线性控制域内提供了等量的容性无功与感性无功容量,而电力系统在实际运行过程中对两者可能的最大需求并不一定相等。提出在SVC线性控制域内进行分段控制,分别给容性无功部分和感性无功部分定义不同的调差率,针对系统具体运行情况,分别执行不同的U-I特性。改进U-I特性中,容性补偿与感性补偿情况下的调差率分别依据系统对容性无功与感性无功的实际需求来确定。对典型双峰日负荷曲线下系统的运行情况进行动态仿真,结果表明:当系统对感性无功需求小于容性无功时,改进的U-I特性能够使SVC达到几乎相同控制目标的同时还可以在一定程度上减小SVC的额定无功功率;当系统对感性无功需求大于容性无功时,改进的U-I特性可以有效地保证系统的安全稳定运行。

基于脉冲式U-I特性的高功率型LED热学特性测试

热学特性是影响功率型LED光学和电学特性的主要因素之一,设计了一套基于脉冲式U-I特性的功率型LED热学特性测试系统,可以测试在不同结温下LED工作电流与正向电压的关系,从而获得LED的热学特性参数。该系统通过产生窄脉冲电流来驱动LED,对其峰值时的电压电流进行采样,同时控制和采集LED的热沉温度,从而获得不同温度下LED的U-I特性曲线。与其他U-I测试系统相比,文中采用了窄脉冲(1μs)工作电流,LED器件PN结区处于发热与散热的交替过程,不会造成大的热积累,大大提高了测量精度。实验中,对某功率型LED进行了测试,获得了该器件的电压、电流和结温特性曲线,并利用B样条建立该器件的U-I-T模型,进而实现了对其结温的实时在线检测。

基于U-I特性的UHVDC线路纵联保护新判据

纵联保护是高压直流输电线主要保护之一。提出一种基于状态信息量比较的直流线路纵联保护新判据。建立以直流电压和电流为变量的U-I平面,分析实时捕获的U-I平面的动态轨迹,分别在U-I平面内区域Ⅲ和区域Ⅳ构建保护判据,最后将判断结果转换为状态信息,线路两侧通过交换状态信息量的纵联比较来识别故障位置。该保护方案仅利用故障时刻整流侧和逆变侧的就地电压和电流的瞬时轨迹判断,对同步性要求低,信息量小。仿真结果表明,所提方案具有较好的耐过渡电阻能力,可靠性好。

基于ΔU-I曲线分析法的配电变压器故障在线检测

配电变压器直接面对终端用户,其健康水平及运行状况的好坏直接关系着供电安全与可靠性,关系着整个电网的安全与稳定。为了能够准确、有效地实现配电变压器故障检测,文中提出了一种基于ΔU-I曲线分析法的配电变压器故障在线检测方法。基于电路磁路对偶原理,文中搭建了变压器电路模型,分别求取了变压器一次侧、二次侧电压及一次侧电流,作出了对应的ΔU-I曲线。设置变压器轴向位移故障、泄漏故障等对不同变压器故障类型对ΔU-I曲线的影响进行了研究。研究发现,通过ΔU-I曲线的半长轴(a)、半短轴(b)、离心率(e)、包围面积(S)等特征参数能够实现对配电变压器故障的在线检测。

基于U-I周期重复率的CO_2弧焊稳定性机器判定方法

目前,焊接生产效率已得到了很大的提高,传统的人工经验判定方式难以完成如此高速度高强度焊接生产情况下的焊接质量监测任务。本文提出一种基于U-I周期重复率的CO2弧焊稳定性机器判定方法。该方法通过计算U-I工作点的周期重复率来判定焊接过程的稳定性,理论上符合焊接规律,实际上切实可行,能满足机器化焊接生产情况下的监测需求。

光伏组件输出特性的异常分类研究

光伏组件异常直接影响到发电量与组件的使用寿命,及时发现光伏组件异常并消除异常,将直接提高光伏组件发电效率。为准确检测光伏组件的异常状态,以Matlab平台为基础,模拟6种光伏组件异常状态,并分析输出特性,提出以输出特性曲线的五特征法判断异常类型。用Python语言搭建概率神经网络,并用粒子群优化算法优化平滑因子。用粒子群优化概率神经网络(PSO-PNN)模型训练异常数据,结果表明:概率神经网络对数据集较敏感,在较大的数据集,模型分类准确率高,能有效检测光伏组件异常状态。

巧用U-I图像求解非线性元件的电阻和功率

本文通过在同一个U-I图像中分别作出非线性元件的伏安特性曲线和电源的输出电压与电流的关系曲线。再应用串并联电路中电压、电流的关系,求出非线性元件两端的电压及流过它的电流,进而求出非线性元件的电阻或功率。解决了因加在非线性元件两端的电压（或通过的电流）发生变化,引起它的电阻也发生变化,导致不能求出电流,因而不能用焦耳定律求出它的功率的难题。

直流电路中应用U-I图像求解实际功率——两类典型问题的探讨

笔者发现学生在面对电学实验题,当它涉及到将电源与某电阻类元件串联时对有关电功率计算这类问题很困惑。本文拟对这类问题作一探讨。

基于点焊U-I图的信号采集与喷溅分析

基于Windows环境、高速数据采集卡PCL1800和工控机通用平台,采用VC++开发了一套信号采集、信号处理、实时显示的焊接电信号测试分析软件。该系统能精确采集点焊过程的电极间电压和焊接电流波形,并提取出焊接过程动特性的喷溅特征信息,从而为高性能焊机的研制和焊接参数的优化提供了一个强有力的工具。

巧用数形结合解决电学疑难问题

在研究物理问题时,可以通过数形结合的方法将抽象的数量关系与直观的几何图形、位置关系结合起来,即通过抽象思维与形象思维结合,可以使复杂问题简单化,抽象问题具体化.本文结合笔者的教学实际与经验,通过典型例题来体会数形结合在初中物理电学中的妙用,同时通过图像让物理情景生动的呈现,易于学生理解和提升.

两类U-I图象的应用(高二、高三)

1.两类U-I图象(1)由欧姆定律确定的U-I图象由欧姆定律得出I=U/R,此式表明:对于阻值一定的电阻R,通过它的电流I与其两端的电压U成正比.这一关系用U-I图象来描述, 就是一条通过原点的直线,该图线的“斜率”即为电阻的阻值,即R=U/I=△U/△I, 如图1所示.