“风光火打捆”外送系统送端暂态稳定性研究*

风力、光伏发电是我国目前主要的新能源发电方式,将风光火三者打捆通过交直流混联系统外送是我国实现新能源基地电力外送的重要途径。在建立风光火打捆交直流外送系统的模型基础上,通过仿真分析不同风、光、火的出力比例对系统暂态稳定的影响,得出与理论相一致的结论:在风光火打捆交直流外送系统中不同风、光、火的比例,系统负荷与电厂总出力不变的条件下,随着风光电比例的增大,系统抗干扰能力降低。     

基于Hilbert谱的心率变异信号时频分析方法

心率变异性(heart rate variability,HRV)信号的频域分析方法是用来表征自主神经调控信息的基本方法。为了评估自主神经系统功能及对心血管活动的影响,提出一种基于Hilbert时频谱的HRV信号的时频特征提取和分析的新方法。对HRV信号进行希尔伯特-黄变换(Hilbert-Huang transform,HHT)以获得HRV信号Hilbert时频谱,依据短时程HRV信号的线性频域分析指标,得到不同生理频带的Hilbert能量棒形图,提取总能量、各生理频带的能量和其归一化能量以及生理频段的能量比值作为评价心率变异性的时频特征。对MIT-BIH数据库的年轻人、老年人样本和健康人、心衰病人样本的HRV信号分析表明,基于Hilbert谱的时频特征的区分性能好,有较清晰的生理意义,能反映人的生理病理变化,为短时程HRV信号分析提供了一种有效方法。     

动态实时优化策略下的分层式预测控制及其在化工过程中的应用

针对化工过程中那些因存在批处理、含有物料回流环节而很难达到稳态的过程以及一些因扰动的存在而很难精确地操作在一个设定点处的非线性过程,采用常规的稳态优化会产生低效或失效优化解的问题,提出一种动态实时优化策略。即在多层控制结构中的RTO层采用动态优化而非常规的稳态优化,依照过程的优化操作信息在满足过程动态规律和物料、产品市场价格变化的条件下实现生产的经济利润最优,事例仿真结果表明该方法的可行性和有效性。     

DeviceNet现场总线在电动机保护器中的应用

针对传统电机保护器不具备通信功能的不足,该文以dsPIC30F6012单片机为主控制器,设计了一种基于DeviceNet的可通信智能电机保护器。它能在发生过载、三相不平衡、缺相等多项故障时实现对电动机的保护,并能够通过现场总线连接上位机实现对现场电机运行状态的实时监控。该文同时给出了相关的硬件电路、软件设计及DeviceNet通信的实现方案等。样机试验表明该电动机保护器工作可靠、实时性好,而且容易实现。     

即时学习型迭代学习控制在励磁控制中的应用

将即时学习算法型迭代学习控制引入发电机的励磁控制。运用即时学习算法来解决系统的迭代学习控制初值问题,有效地估计初始控制量,加快了算法的收敛速度。仿真结果表明,所设计的励磁控制器与常规PID控制器和非即时学习型励磁控制器相比其收敛速度明显加快,具有更强的维持机端电压的能力。     

内部重整固体氧化物燃料电池发电系统的非线性预测控制

固体氧化物燃料电池（SOFC）发电系统运行除了电堆本体外还需要包含诸多其他辅助组件以期获得系统输出的最大效率,为了使SOFC电堆能够对纯氢以外的燃料具有更好的适用性,加入了燃料内部重整装置和燃烧室两个重要辅助组件。文中在对系统展开建模的基础上提出了采用非线性模型预测控制策略,能够更有效地使输出燃料气体的组分、温度、压力、浓度和流率满足燃料电池堆正常运行的需要,通过仿真分别论证了线性模型预测控制和非线性模型预测控制两种不同控制方案的有效性和适用性。     

基于对称分量估计的电压暂降特征量实时检测方法EI北大核心CSCD

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。     

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

6RA70全数字直流调速装置在材轧机电控制系统中的应用

根据电流双闭环调速原理 ,采用 6RA70直流全数字调速装置与PLC结合 ,控制材轧机电系统。系统精度高、响应速度快、易于稳定、便于调整。     

基于自适应PFCM聚类的电力负荷数据预处理

考虑到电网实际运行过程中,负荷数据因各随机因素产生异常对负荷预测的准确性与负荷调度的有效性造成严重影响,提出一种自适应PFCM聚类算法以修正电力负荷异常数据。该算法首先利用新定义的PFCM聚类有效性指标函数与动态调节权重的PSO算法分别实现了负荷曲线最优聚类数目与聚类中心的自适应确定;然后利用改进的PFCM算法提取负荷特征曲线,实现了对负荷曲线的聚类;最后使用该方法对西北某市负荷数据进行聚类分析,并利用相关方法进行异常数据的识别与修正。验证性实验结果表明,改进算法样本距聚类中心的距离明显更小,且在相同异常值修正公式下,使用改进后算法聚类结果修正的异常值更接近于原始负荷数据,平均相对误差相比改进前降低1.99%。