一种新颖的逆变器通用调制方法建模与实现

传统的SPWM和SVM实现方法割裂了二者的联系,使得调制方法缺乏灵活性。通过对SPWM和SVM的建模,提出了一种新型通用调制方法。仿真和实验表明,该方法将SVM和SPWM统一起来,可以更好地提高逆变效果而不必中断芯片运行,同时该方法计算量更小,精度更高,为进一步改善逆变波形质量,提高系统控制精度创造了条件。     

全功率变流器永磁直驱风电系统低电压穿越特性研究

随着风电机组安装容量的不断上升,风电系统在电网故障情况下的运行变得尤为重要,电网导则要求风电机组在电网电压瞬间跌落一定范围内不脱网运行。针对使用背靠背全功率变流器的永磁直驱风电系统,提出一种在电网电压瞬间跌落情况下不脱网运行的方法。电网发生电压瞬间跌落时,网侧变流器运行在静止无功补偿（STATCOM）模式,依据电网电压跌落的深度决定发出无功电流的大小,通过快速提供无功电流来稳定电网电压,实现直驱型风电系统的低电压穿越功能。仿真和实验结果表明电网电压故障时使直驱风电系统运行在STATCOM模式可以有效提高低电压穿越能力。     

弱电网中光伏电站并网点谐波分析与抑制

针对弱电网中光伏发电系统并网点低频稳态谐波,采用频谱校正方法分析谐波的组成和分布,发现此类谐波不是由逆变器LCL谐振等线性谐振所产生。研究光伏并网点谐波的频率相关性和相序幅值对称性,发现频率不同的谐波对应于逆变器内部相同频率的谐波源;比较光伏并网点谐波与非线性系统周期稳态输出的共同点,提出并网点谐波新的产生机理即并网逆变器的非线性自激振荡。在此基础上提出交变分量分离方法消除自激振荡并抑制并网点谐波。仿真验证所提谐波产生机理的合理性和抑制方法的有效性。     

电力变压器振动特性分析与固有频率识别北大核心CSCD

文章提出了基于合闸振动信号的变压器振动固有频率识别方法,可以据此来实现对变压器机械状态的评估。首先,文章建立了变压器多自由度非线性轴向振动模型,通过计算得出变压器在发生故障时其固有频率将会发生变化,而振动固有频率可以从变压器的合闸振动信号中提取得到,基于此文章提出了基于变分模态分解和特征系统实现算法结合的变压器固有频率识别方法,并根据固有模态分量的统计特性,提出了基于延时峭度法的模态识别方法,最后通过仿真与实验证明所提方法较传统方法而言可以有效的降低谐波模态的干扰,提高固有频率的识别精度。     

220kV自耦变压器声纹测试分析

自耦变压器声纹特性与运行工况密切相关。为了对自耦变压器运行过程中的声纹特性深入研究，在搭建声纹数据采集平台的基础之上，采集变压器五种工况下的声纹数据，从时域、频域以及时频域三个角度进行研究分析。结果表明，变压器稳态时的声纹主频为100 Hz,暂态时的声纹主要集中于300 Hz、400 Hz等频段，奇次谐波、高频分量以及时频熵等特征在不同运行工况下有较大区别。研究结果为基于声纹的电力变压器状态监测和故障诊断测提供支撑。     

基于优化Focal-XGBoost的变压器状态声振识别模型

受数据样本难以区分和数据平衡性不佳影响，采用声振信号的变压器状态识别模型往往准确率低下。针对这一问题，引入了Focal损失，根据样本训练过程的准确度动态反馈权重，从而构成了Focal-XGBoost优化模型。先通过一组贴合变压器频谱的滤波器充分提取声振信号有效信息，再作XGBoost-PCA筛选降低样本维度。然后采用Focal损失优化原模型中的Softmax目标函数形成Focal-XGBoost模型，并在输入上述样本后根据准确率波动作Focal的超参数优化，进而输出变压器状态识别结果。10 kV和110 kV变压器的试验结果表明，相较传统SVM、KNN等学习模型，Focal-XGBoost减少了XGBoost测试样本中难分样本的误分量44.7%，从而使模型识别准确率更高；此外，非均匀提取在平均精度损失低于0.5%的基础上压缩50%样本空间，进一步降低了模型训练成本。     

基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行，需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象，建立其RC等效电路模型，并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制，采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据，并根据实验数据在不同初值下进行参数辨识，通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明，多新息最小二乘辨识算法具有快速收敛性与高精确性。