基于互调原理的交直交变流系统中的间谐波分析

基于现代调制理论，首先对整流器和逆变器进行统一调制建模，通过分析其交直流侧的频率变换关系，揭示交流侧谐波、间谐波的产生过程。将谐波和间谐波的分析统一起来。并指出直流侧的纹波信号是变流器产生间谐波的直接原因。通过分析交直交变流系统两侧的交流信号在直流侧的互调产物，考虑两侧变流器之间的相互影响，针对不同的运行工况，特别是考虑系统三相不平衡、存在背景谐波等非理想情况下，详细推导各种情况下交直交变流系统的直流侧的纹波频率特征，利用交直流侧频率转换规则，很好地揭示交直交变流系统中的间谐波产生机理。仿真实验验证理论推导的正确性和有效性。     

基于Crowbar的双馈风力发电机LVRT仿真分析与实验研究

要保证双馈电机具有低电压穿越能力,关键是要限制转子过电流和直流母线过电压。提出了采用转子侧Crowbar保护电路和直流侧卸荷保护电路协调配合的保护方案。用转子侧保护电路来抑制转子过电流,直流侧卸荷保护电路来维持直流母线电压恒定。在此基础上用MATLAB/Simulink软件搭建了仿真模型,并从理论仿真和现场实验测试2个方面对该方法进行验证,仿真与实验结果表明,该方案可以提高DFIG低电压穿越能力。     

风电场与电气化铁路相互作用及对地区电网影响的研究

针对地区电网出现的风电场和电气化铁路集中接入的情况,从功率波动、三相电压不平衡的角度分析了风电场与电气化铁路接入电网后相互影响的机理。并利用仿真软件搭建风电场和电气化铁路模型,构建地区电网,对风电场与电气化铁路集中接入对电网的影响进行仿真分析,且提出了相应措施。     

基于自适应遗传算法的配电网无功优化

针对传统的遗传算法在求解配电网无功优化问题时容易陷入局部最优,并且收敛速度慢的缺点,将自适应遗传算法引入配电网无功优化中,采用自适应的交叉率和变异率使之符合遗传算法动态性和适应性搜索过程,并在编码方式、适应度函数设计、遗传操作以及终止判据等方面进行改进,对IEEE33测试系统进行仿真分析,算例表明了算法的实用性和有效性。     

直流调制在多回直流输电系统中的作用

采用NETOMAC数字仿真法,分析研究了三峡-华东多回直流输电线路在直流线路故障(单、双极闭锁)时,直流调制措施(直流功率提升和切机措施)对保持三峡电网暂态稳定性的作用。研究结果表明,三常和葛上两回直流其中一回单极闭锁或葛上直流双极闭锁时,三峡电网能保持稳定;三常直流双级闭锁时三峡电网失稳,直流功率提升配合切机措施对恢复电网稳定效果较好。     

高频间谐波引起闪变的时频混合测量方法

国际电工委员会(IEC)闪变仪无法准确测量高频间谐波引起的峰值波动闪变,为此提出了一种改进的时域和频域混合方法用于高频间谐波引起的闪变测量。在时域方面,采用一种同步解调方法替代IEC方法中的平方解调以提取高频间谐波引起的波动信号,该方法首先采用一种简单的方法提取基波同步信号,然后将该信号的奇次方进行配比运算得到同步的谐波信号集合,最后则通过谐波信号集合对原始信号进行运算以实现对高频间谐波信号的解调。在频域方面,则采用递推傅里叶变换对不同频率分量进行视感度加权的方法代替原有的视感度加权滤波器,以弥补视感度加权滤波器无法准确模拟视感度曲线的缺陷。在Labview中搭建了相应算法的模型,通过实验证明了所述算法能准确检测高频间谐波引起的闪变。最后还通过所述方法制定了单个间谐波和间谐波对决定的间谐波闪变曲线,分析了不同频段间谐波闪变限值的特点。     

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。     

三相变流器的谐波/间谐波统一调制分析建模

为有效揭示谐波、间谐波的产生机理,建立准确的变流器分析模型,直接从变流器的工作过程入手,引入开关调制函数,通过建立三相变流器的调制分析模型,将各种变流器的谐波分析模型较好地统一起来。分析变流器交直流侧间的频率变换关系能够很好地反映变流器两侧各种谐波和间谐波的产生过程,在此基础上指出变流器直流侧含有非整数倍基频干扰项是交流侧出现间谐波的直接原因,综合了谐波和间谐波的分析过程。该分析方法具有直观和普适性好等特点,并能直接延拓到其它各种变流器的谐波和间谐波的产生过程分析。仿真实验验证了该方法的有效性。     

最小二乘支持向量机在电能质量扰动分类中的应用

提出一种基于最小二乘支持向量机和小波包分解的电能质量扰动分类方法.对正常电压和几种常见电能质量扰动(电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波和电压闪变)进行小波包分解,提取各终节点小波包系数的标准偏差作为特征向量;然后,用自适应优化算法对最小二乘支持向量机进行优化:最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行分类和识别.与BP神经网络分类方法相比,该方法能克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,在样本数较小时仍取得较好的效果.仿真实验验证了该方法对扰动分类的有效性.