三相电压不对称时异步电机的附加损耗和效率计算

本文比较详细和系统地介绍了三相电压不对称时异步电附加损耗的效率的计算。     

三相交流异步电动机三相电压不平衡的估算方法

介绍三种估算三相电压不平衡度的方法,并推荐一种新的估算方法,这种方法所得数值能更准确的判断三相电压不平衡程度.     

三相异步电动机定子电压不对称的保护

三相电压不对称会导致电动机的严重过热，国内对此未引起人们的足够重视。本文给出了负序电压系统与零序电压的关系，并介绍了断相与定子电压不对称的保护方案。     

异步电动机额定电压点附近铁损耗的曲线拟合

电压的波动对电动机铁损耗影响较大。国标GB/T 1032—2005中给出电动机铁损耗与电压平方比成正比的关系,实验结果表明其误差较大。本文对此做了大量的实验,在额定电压附近利用实测数据对铁损耗与电压的关系进行曲线拟合,得到了一种误差较小的测试铁损耗的方法。     

电源电压不对称时三相异步电动机的起动仿真

本文针对电源电压不对称会引起星接三相异步电动机相电压不对称,在进行数值时必须道德确定机电压的这种情况。     

三相异步电动机的节能

从三相异步电动机节能方面存在的问题入手，结合作者的工作实际，全面论述三相异步电动机节能的各种方法。     

任意负载下小型三相异步电动机有功损耗及无功功率的计算

在对大量试验数据统计分析的基础上，从电机的基本原理出发，介绍小型三相异步电动机在任意负载下有功损耗及无功功率的计算方法。     

三相异步电动机的节能运行研究

分析了影响三相异步电动机运行中产生能量损耗的内外因素,提出了三相异步电动机节能运行的具体方法以及如何选择合适功率的电动机.     

三相异步电动机在不对称电压下运行时的电流计算

列举了三相异步电动机不对称运行时的危害，以详细计算实例予以说明，并进行了分析。     

电压不对称供电三相异步电动机的仿真研究

三相供电电压不对称对异步电动机的性能将产生较大的影响。本文根据三相异步电动机动态仿真模型,应用复数电压不平衡因数(CVUF)的概念,对三相供电电压不对称异步电动机起动过程进行了仿真研究,给出了不同CVUF时异步电动机的起动过程仿真波形,研究了起动时间和稳态时的转速、转矩、转速波动、转矩波动与CVUF的关系,得出了相应结论。     

三相异步电机杂散损耗测试系统设计

针对电机杂散损耗的手工计算方法复杂、精度低,设计了三相异步电机杂散损耗测试系统。详细讨论了线性回归分析法在电机杂散损耗分析中的应用。采用MATLAB实现了杂散损耗的自动精确计算,同时生成了相应的动态库。应用VC 设计实现了数据采集,并调用MATLAB生成的动态库进行了杂散损耗的计算。     

基于卷积神经网络的直线同步电动机电枢绕组故障诊断

通过绕组函数理论对直线同步电动机进行分析,提出一种基于卷积神经网络(CNN)的直线同步电动机故障诊断方法。从直线同步电动机的数学模型出发,基于绕组函数理论对电动机正常状态和匝间短路故障状态进行仿真,对电流波形图进行快速傅里叶变换(FFT)得到不同状态的数据集。利用CNN中的GoogLeNet网络结构,在保持网络空间维度的同时不增加故障诊断的计算量。将数据集输入到网络模型进行故障诊断,仿真结果表明GoogLeNet网络结构对直线同步电动机电枢绕组的短路故障识别率达到了96.5%以上。     

基于神经网络技术的异步电机控制

针对常用的传统PID控制在提高异步电动机调速性能方面存在的瓶颈问题,本文提出了一种新型的单神经元控制算法以实现异步电动机的矢量控制.在分析单神经元控制器基本工作原理的基础上,为了加快神经元权值的学习训练速度,采用梯度下降法与变步长法相结合的控制算法,并利用MATLAB软件建立新型单神经元控制器与异步电动机调速系统的仿真模型,在计算机上进行了仿真,最后在笼型异步电动机上进行了应用实验.仿真与实验表明,这种单神经元控制器具有良好的自学习与自适应能力,可以改善调速系统的动态与静态性能,提高异步电动机的跟踪能力.     

基于卷积神经网络的暂态电压稳定评估及风险量化

提出了一种暂态电压稳定性评估及其风险量化方法.首先,探讨卷积神经网络(CNN)与暂态电压稳定评估的关联性和匹配性,建立了基于CNN的暂态电压稳定评估模型.其次,在可信度框架下引入四元评估结构,可有效解决CNN在稳定边界识别上对时域仿真依赖的难题.然后,通过评估结果获取暂态电压稳定裕度,并将其与可信度相结合来构建风险函数...     

基于卷积神经网络特征提取的风电功率爬坡预测

为提高风电功率爬坡预测的准确性,提出了一种基于卷积神经网络、长短期记忆网络和注意力机制的风电功率爬坡预测方法。首先,针对风电功率爬坡发生次数少、特征复杂、预测模型难以对小样本爬坡事件有效学习的问题,使用卷积神经网络对风电功率序列进行特征提取。然后,使用长短期记忆网络建立预测模型,解决风电功率的长时依赖问题,并在模型中加入注意力机制对长短期记忆网络单元的输出进行加权,从而加强风电特征的学习,提高爬坡预测准确度。仿真验证表明,模型对风电功率爬坡预测有较高的准确性。     

基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。     

基于BP神经网络和小波包能量熵的异步电动机故障诊断

为了高效解决异步电动机故障问题,提出了一种基于反向传播(BP)神经网络和小波包能量分析的异步电动机故障诊断系统。采用定子电流信号作为异步电动机的故障信号,运用小波包能量分析对采集的定子电流信号进行分析,提取出相应的故障特征向量。为了提高诊断的准确性,提取信号时域、频域的特征,输入到BP神经网络中进行训练学习。经过足够多的训练后,用测试样本对其精确率进行测试。通过所提方法,可以及时排除及修正异步电动机故障,提高工厂的经济效益。     

基于卷积神经网络的暂态电压稳定快速评估

随着特高压直流输电的发展和负荷构成及特性的变化,暂态电压问题严重威胁系统的安全稳定运行。基于卷积神经网络(CNN),提出一种交直流受端电网分区暂态电压稳定快速评估方法。计及系统快速动态响应元件影响,基于暂态电压时序信息构建暂态电压跌落面积矩阵,利用基于t分布的随机近邻嵌入(t-SNE)算法将其映射到二维平面,对受端电网进行分区。依据节点相对距离选择各分区稳态潮流特征。构建线路故障严重度指标,据其对故障线路号进行编码,将编码结果与故障线路号共同作为故障特征。采用粒子群优化算法确定各分区CNN最优卷积核大小和数量,提升CNN性能。实际多馈入交直流电网的仿真结果表明了方法的有效性。     

大中型高压绕线转子三相异步电动机转子处理

结合生产实践,系统阐述了大中型高压绕线转子三相异步电动机转子产生故障的原因,并提出了可行的处理方法。     

NEMA超高效三相异步电动机研制

简要介绍了NEMA超高效三相异步电动机的研发背景、主要技术参数、结构设计特点和关键技术,如采用优质硅钢片与退火工艺降低铁耗,低谐波绕组降低铜耗,特殊转子表面加工和酸洗工艺降低杂耗等,以及研制展望.