共查询到20条相似文献,搜索用时 140 毫秒
1.
电网电压不平衡会对异步电动机的运行造成不良影响,因此研究三相电网电压不平衡时复数电压不平衡度(CVUF)的相角因素对异步电动机运行性能的影响。首先分析了三相绕组电压幅值、相位和CVUF间的关系,基于此,以1台5.5 kW Y132S-4异步电动机为例,在正序电压380 V、CVUF幅值恒定以及75%负载条件下,分析了CVUF相角因素对异步电机的定子电流、损耗、转矩性能的影响。结果表明:异步电机定子三相电流均随CVUF相角呈正弦规律变化,为避免带载能力下降过多及绕组过热,异步电机应避免运行在定子电流最大值处;CVUF相角对各项损耗、起动性能及稳态转矩脉动分量影响较小。最后计算了不同电压平衡条件下的异步电机三相定子电流和内部各项损耗,结果与实测结果基本一致,证明了理论分析的正确性。 相似文献
2.
3.
众所周知,三相供电电压不平衡将造成异步电动机的三相电流不平衡,但实际上它还会对异步电动机的运行效率有显著影响。本文结合实验数据从理论上依次分析三相电 相似文献
4.
5.
6.
针对永磁同步电动机和三相异步电动机空载损耗不同的特点,提出一种由试验结果计算附加损耗的方法,与样机的实测数据相比达到足够的精度,从而证实该方法的有效性。 相似文献
7.
三相异步电动机出故障的原因是多种多样的,但由电源问题而引起的故障是主要的.据统计,在异步电动机绕组烧毁的故障中,70%以上是由电源断相运行引起的.有些特殊场合使用的电动机,不允许电动机反转,即不允许三相电源相序接反;另外,三相电源电压不平衡也严重影响着三相异步电动机的安全工作.为保证三相异步电动机安全、可靠地工作,笔者介绍一种新型的电源保护电路.该电路对诸如三相电源相序接反、断相、三相电源电压不平衡等故障都能监测,且结构简单,具有实用价值. 相似文献
8.
9.
10.
建立了不同电能质量扰动情况下异步电动机的模型,分别在理想供电电压、三相电压不平衡、电压畸变、电压偏差与电压暂降情况下,对异步电动机的工作特性进行了分析,对异步电动机转矩、转速以及运行效率等与不同程度电能质量扰动之间的关系进行了仿真研究,并对有与无相位跳变、发生单相以及三相电压暂降时,电动机转矩与转速的变化进行了详细分析。结果表明,在非理想情况下,电机的输出转矩中会出现不同程度的脉动或振荡转矩,电机的启动时间与转速等均会发生变化,从而对电机运行带来不利影响。 相似文献
11.
针对表贴式永磁同步电机(PMSM)模型预测转矩控制(MPTC)计算复杂的问题,训练卷积神经网络(CNN)以替代MPTC实现电压矢量的选择。仿真结果表明基于CNN的MPTC稳态性能与传统MPTC基本相当,但由于稳态和动态数据不平衡,使得基于CNN的MPTC动态下磁链脉动较大。因此,提出根据系统状态将基于CNN的MPTC与直接转矩控制(DTC)自适应切换使用的策略。仿真结果表明,该策略在保证稳态控制性能的同时可以有效抑制动态下磁链脉动。 相似文献
12.
13.
模型预测转矩控制(MPTC)需要遍历所有备选电压矢量进行预测计算,从中选择最优电压矢量,控制性能良好,但算法计算量大和实时性差。采集MPTC的运行数据离线训练卷积神经网络(CNN),将训练好的CNN代替MPTC进行电压矢量选择。为了解决CNN失控问题,提出了基于CNN控制和直接转矩控制(DTC)的MPTC策略。仿真结果表明,该控制策略可有效解决CNN控制的失控问题,控制效果与MPTC基本相当,转矩和磁链脉动明显低于DTC。 相似文献
14.
以卷积神经网络(CNN)为代表的深度学习算法在电力系统暂态电压稳定评估中开始得到应用,但其输入特征的构建方法及合理性验证未得到充分的研究。面对交直流系统暂态电压稳定评估,提出了一种适用于CNN的输入特征构建方法。首先,基于双阶段分区来降低输入特征的维度和冗余度,即先依据系统拓扑关系和地理位置约束给出初始分区结果,再以节点的暂态电压特征相似性进行聚类,得到降低维度和冗余度后的最佳分区方案;然后,在分区结果的基础上,考察影响交直流系统暂态电压稳定的关键因素,构建兼顾稳态特征量和多维度故障信息的输入特征;最后,将所构建的输入特征应用于CNN暂态电压评估模型,并采用实际电网数据进行验证。仿真结果表明,所提方法较传统特征选择方法具有更高的准确性。 相似文献
15.
光伏电站出力随机性易引发并网点电压大幅度波动,通过趋势预测提前调控是提高电压稳定性的有效途径。为了提升电压趋势预测精度,提出一种基于卷积神经网络(convolutional neural networks,CNN)和门控循环单元(gated recurrent unit,GRU)的电压轨迹预测方法。首先,通过采集单元提取电压数据构建时间序列;然后,计算电压时间序列的自相关系数及其与外部变量间的最大信息系数(maximal information coefficient,MIC),分析电压时间序列与外部变量在时序上的关联性;再通过CNN网络提取输入数据的高层特征;最后输入至GRU网络完成电压轨迹预测。通过某地光伏电站实测数据进行验证,结果表明:本文模型与GRU、长短期记忆网络(long short-term memory,LSTM)、CNN-LSTM、支持向量回归(support vector regression,SVR)等模型相比预测准确度更高。 相似文献
16.
光伏电站出力随机性易引发并网点电压大幅度波动,通过趋势预测提前调控是提高电压稳定性的有效途径。为了提升电压趋势预测精度,提出一种基于卷积神经网络(convolutional neural networks,CNN)和门控循环单元(gated recurrent unit,GRU)的电压轨迹预测方法。首先,通过采集单元提取电压数据构建时间序列;然后,计算电压时间序列的自相关系数及其与外部变量间的最大信息系数(maximal information coefficient,MIC),分析电压时间序列与外部变量在时序上的关联性;再通过CNN网络提取输入数据的高层特征;最后输入至GRU网络完成电压轨迹预测。通过某地光伏电站实测数据进行验证,结果表明:本文模型与GRU、长短期记忆网络(long short-term memory,LSTM)、CNN-LSTM、支持向量回归(support vector regression,SVR)等模型相比预测准确度更高。 相似文献
17.
针对起重设备专用三相异步电机的直接起动问题,分析了异步电机的T型等效电路,阐述了晶闸管调压电路的工作原理,提出了一种基于触发角定时控制的异步电机软起动方法。基于MATLAB/Simulink搭建了相应的系统仿真模型,进行了提出方法的仿真分析,验证了所提方法的正确性。最后,基于单片机设计了相应的软起动器的软硬件,进行了试验测试。结果表明提出的方法可以有效地实现三相异步电机的平滑起动,起动电流较小,有效地减少了起动过程对电机和电网的影响。 相似文献
18.
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。 相似文献
19.
Electric motors represent the largest single load in most power systems. With continuing increase in nonlinear loads, the effects of harmonic contents of power systems on various components is becoming more important. This paper is concerned with the effects of power system harmonics and voltage unbalance on the useful life of electric motors. A simple equivalent circuit is used to calculate the additional heat losses caused by supply distortions. A lumped-parameter thermal network is proposed to calculate the resulting heat distribution within the machine. An Arrhenius chart is then used to estimate motor insulation remaining life. The proposed approach is used to determine the effect of supply harmonics and voltage unbalance on the useful life of a three phase induction motor and the results are verified experimentally 相似文献
20.
针对部分工业类母线负荷波动较大,传统点预测方法难以准确预测的问题,文中提出一种基于卷积神经网络(CNN)与长短期记忆网络分位数回归(QRLSTM)组合的母线负荷日前区间预测模型。首先,针对工业类负荷功率的高频波动,采用去噪自编码器对历史负荷数据进行降噪处理;然后,利用基于时间分布层封装的一维CNN网络进行负荷特征提取和压缩,以提升整个模型的学习效率;最后,建立含有注意力机制的QRLSTM模型进行特征学习,得到不同分位数下的负荷区间预测结果。对工业类和居民商业类2种典型的220 kV母线负荷进行了负荷日前区间预测测试,并与常规的分位数回归方法进行了对比。结果表明,文中方法获得的预测结果总体上区间覆盖率更大、区间平均宽度和区间累计偏差均更小,预测效果更好。 相似文献