基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量，辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

同步电机状态空间连续模型参数直接辨识法

提出了一种同步电机状态空间连续模型参数直接辨识法。引入函数的量度变换,将状态方程变换为代数方程求解;引入遗忘因子以克服多次递推所产生数据饱和的影响,从而改善了算法的收敛性。实际算例证明该模型及算法的有效性。     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量,辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

同步电机直轴瞬态参数辨识

对基于Matlab的同步电机直轴瞬态参数测试方法进行研究。通过建立相应的数学模型来分析同步电机三相突然短路实验中电机的瞬态过程;运用Matlab分别采用传统方法和最小二乘法对测量的数据进行分析和处理;最后根据实例验证方法的可行性,并通过检测数据的比较选出较优越的算法。     

基于TLS-ESPRIT的同步电机参数辨识

将一种阵列信号处理方法TLS-ESPRIT(总体最小二乘-旋转矢量不变技术)应用到同步电机的参数辨识中.该方法是一种基于子空间划分的高分辨率信号分析方法,将短路电流形成HANKEL矩阵通过奇异值分解进行信号子空间和噪声子空间的划分,再通过TLS(总体最小二乘)的二次消噪处理,从而提高抗噪能力,准确提取了同步电机的瞬态和超瞬态参数.仿真结果表明,该方法与其他方法相比,具有精度高、抗噪能力强、算法简单的优点.动模试验进一步验证了该方法的可行性和有效性.     

基于迭代Prony算法同步电机参数的辨识

获得准确的同步电机参数是研究、分析电力系统运行和控制系统设计的前提。为解决当前在工程实际应用中瞬态参数求解的方法中所存在的数据处理精度不高、误差大等问题,引入一种具有一定抗噪能力的迭代Prony算法。Prony算法直接提供按指数规律衰减信号中各种分量的频率和幅值,更加切合电力系统暂态变量的特点。运用该算法对同步电机的瞬态进行参数辨识。数值仿真分析表明,在过滤了直流分量和信噪比20 dB的情况下,该方法能精确地辨识出同步电机的瞬态参数,因此,也验证了该算法的有效性。该方法有进一步研究和工程应用价值。     

新型分步式永磁同步电机参数辨识

永磁同步电机（PMSM）参数受所处环境等非线性因素的影响而变化,因此需要根据电机参数的不同调节控制系统,以达到更优的控制性能。针对不同电机的参数不同且无法实现快速手动测量的问题,提出一种无位置传感器PMSM的新型分步式参数辨识系统。系统分阶段采用伏安法计算电阻并采用高频电压注入法计算电机的电感和磁链,实现了无位置传感器的控制条件下,内置式PMSM的参数自动辨识。最后通过MATLAB/Simulink搭建仿真模型,验证了新型分步式参数辨识系统的可靠性并通过试验验证了系统的准确性。     

同步电机参数的可辨识性研究

首次提出研究同步电机参数的可辨识性,着重研究同步电机的综合稳定计算模型和ＢＰＡ模型,得出上述两种模型的电气参数可以辨识而转子机械参数有时不可辨识或难以辨识这一与实际相一致的结论,为研究同步电机的参数辨识方法提供了必要的基础。     

基于小波变换和神经网络的同步电机参数辨识新方法

准确地辨识同步电机参数,是研究分析电力系统运行和控制系统设计的前提。神经网络具有信号分离能力，但传统的人工神经元模型不适合分离同步电机的三相突然短路电流。为精确辨识同步电机的瞬态参数，文中提出了一种改进的人工神经元模型，并将小波变换和改进的线性人工神经元结合起来，对采集到的同步电机三相突然短路电流进行分析处理。利用小波变换对短路电流进行预处理，并辨识得到各个时间常数；根据辨识得到的时间常数来设定神经元激发函数中时间常数的迭代初始值，用改进的人工神经元模型对短路电流进行分离，得到其中的直流、基波和二次谐波电流分量，通过简单代数运算便得到电机的瞬态参数。仿真分析和实机试验表明，该方法能够有效地分离出短路电流中的信号成分，并且提高了电机参数的辨识精度。     

基于改进HHT和决策树的电能质量扰动辨识

为了准确辨识电能质量扰动的类型,以实现电能质量问题的有效治理,提出一种基于改进希尔伯特-黄变换(Hilbert-Huang transform,HHT)和决策树的电能质量扰动辨识方法。该方法先采用改进的基于斜率的方法(improved slope based method,ISBM)抑制希尔伯特-黄变换算法的端点效应,然后利用改进的HHT方法进行电能质量扰动信号的分析;从得到的瞬时频率曲线中提取频率成分、扰动持续时间和扰动持续期间频率3个特征量,并从瞬时幅值曲线中获取扰动期间电压幅值;最后构建分类决策树,将这4个特征量作为判断依据,实现扰动信号的分类和识别。根据各类电能质量扰动信号的数学模型,产生大量的测试样本进行仿真测试,结果证明了该方法的有效性和准确性,并且与现有的2种扰动辨识方法进行对比,结果表明该方法具有更高的识别准确率,能准确辨识出电能质量扰动的类型。     

基于 EMD 和 Prony 算法的同步电机参数辨识

Prony 算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高.鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony 算法相结合的方法应用到同步电机参数辨识中.利用EMD 的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声 IMF 分量,然后用 Prony 准确辨识出同步电机的瞬态和超瞬态参数.仿真试验结果表明该方法具有精度高、抗噪性强等特点.     

人工神经网络在线辨识同步电机转子参数

用人工神经网络的成功在线辨识了同步电机转子参数。这种参数的优势在于能反映电机实际运行过程中受到的饱和、电机老化、电磁力等因素的影响．辨识的参数更接近于电机的实际运行参数。在参数迭代过程中．文中引入了时变的松弛算子．改进了牛顿法在计算非线性函数二阶导数过于复杂的缺点。最后对一台lllkVA．440V的同步电机进行仿真，然后采用BP神经网络对其进行参数辨识．并取得了满意的效果。     

基于可观测量的同步发电机参数的时域辨识

同步发电机模型中不可观测量的存在使得在辨识电机参数时因需要求解复杂的微分方程组而导致辨识困难.文中提出了一种由发电机出口电压、出口电流、励磁电压以及励磁电流等可观测量表示的同步发电机辨识模型,避免了复杂微分方程组的求解,提高了辨识的稳定性和效率,简化了参数辨识方法.首先分析了参数可辨识性,指出在将稳态方程作为附加条件的...     

基于希尔波特-黄变换的介损数字测量算法

准确提取基波电压和电流信号是检测介质损耗因素的关键。提出了一种新的介质损耗因数检测算法,采用希尔波特-黄变换(HHT)对试品电压和电流信号进行检测,通过经验模态分解法(EMD)提取信号的固有模态函数(IMF),再进行Hilbert变换,得到各自的瞬时频率,由瞬时频率进行介质损耗因数的准确检测。该算法无需同步采样,可以实时提取测量电压、电流信号的基波成分。仿真结果表明,HHT受采样数据长度、频率跟踪误差的影响较小,在非同步采样的情况下,具有良好的应用特性,能有效提高介质损耗因数检测的准确度。     

矩阵束算法在同步电机参数辨识中的应用

同步电机参数的准确性对于电力系统运行和控制具有重要的意义。文中基于矩阵束算法提出一种同步电机参数辨识的新方法,并给出了辨识的基本原理和基本过程。该方法将采集到的三相短路电流构造为2个Hankel矩阵,通过奇异值分解和矩阵的低秩近似等方法抑制了噪声的干扰,同时减少了计算量,从而利用矩阵间的特定关系提取出直流分量和基波分量,实现了同步电机参数的准确辨识。仿真结果表明,该方法具有精度好、运算效率高、抗噪性强等特点。     

基于静态频域法的电励磁同步电机参数辨识

同步电机数学模型及参数对电力系统分析计算、电机设计、电机运行及控制等都具有重要意义。针对目前各种参数辨识方法的局限性,研究了基于静态频域法测试电机参数,该方法是电气和电子工程师协会(IEEE)颁布的标准指导测试方案,已成为辨识同步电机参数普遍应用的方法。根据静态频域法测试步骤,在电机静止状态下,给定子施加一个低电压、变频电源信号,测出相应的响应信号,并从电机的等效电路出发辨识电机参数。该方法不受地点限制、安全系数高、能够获得较全面的电机参数,实验结果表明采用静态频域法能够有效地辨识出电机参数。     

基于轨迹灵敏度的同步发电机参数辨识

为提高同步发电机暂态及次暂态参数辨识精度,提出了一种基于轨迹灵敏度的同步发电机参数辨识方法。首先确定了基于轨迹灵敏度的辨识数据区间选取方法,将量测的发电机参数的轨迹灵敏度作为指标,根据该指标的衰减程度,选取暂态及次暂态参数信息含量较大的量测数据作为辨识数据,以提高相应参数的辨识精度;其次采用抗差优化模型作为机组参数辨识优化模型,以提高参数辨识模型的抗干扰能力。算例验证了所提方法的有效性。     

同步发电机参数辨识方法综述

综述了同步发电机参数辨识的方法，对比分析了这些方法的优缺点，为即将开展的同步发电机参数辨识工作奠定基础。