基于小信号模型的VSG并联系统惯量特性分析

虚拟同步发电机(Virtual Synchronous Generator, VSG)技术是解决以电力电子变流器为接口的新能源渗透率逐渐提高导致系统惯性与阻尼减小问题的有效方法。而其核心参数虚拟转动惯量一直缺少选取原则,特别是在多机并联以及出现的越来越多的变参数控制策略的情况下,参数选取不当极易造成系统震荡。以一个两机系统为例,搭建改进高阶小信号模型,对具有同步发电机特性逆变电源虚拟转动惯量J变化对系统的影响进行了详细分析,提出适用于自适应等灵活控制的J的选取原则,根据稳定阈值及系统运行要求对参数进行选取,可提高系统的稳定性能,并通过仿真和实验验证了分析结果的正确性。     

共用天线电视系统的设计

共用天线电视(community antenna television system简称CATV)又称电缆电视(cabe television)。它利用高质量电视接收天线,把接收到的电视发射台传来的电视节目与自办节目、卫星地面站解调-调制后的节目进行混合,成为具有足够输出电平的复节目信号,然后再分成若干条干线,经低损射频电缆传送到各个用户。     

虚拟同步机多机并联稳定控制及其惯量匹配方法

虚拟同步发电机(VSG)技术作为一种分布式电源主动参与电网频率电压调整的新型控制方式,得到了越来越多的关注。通过对同步发电机外特性的模拟,使得微电源逆变器具有同步发电机相同的转动惯量、一次调频、无功调压等特性。提出简化的VSG虚拟惯量控制器,避免了锁相环(PLL)误差引起的频率指令波动对系统稳定性的影响,建立包含中间控制环节状态变量的VSG并联系统小信号模型,并针对主要控制参数对系统稳定性及动态响应的影响进行了分析,最后利用等效同步发电机原理,提出了虚拟同步发电机多机并联运行的虚拟惯量匹配方法,仿真和实验结果验证了所提方法的正确性和有效性。     

改进的联合型图像超分辨率重建算法

针对传统锚定邻域回归(anchored neighborhood regression, ANR)的图像超分辨率方法缺乏灵活性、且对图像的细节没有很好的恢复能力的缺点,提出一种锚定邻域回归和卷积神经网络(convolution neural network, CNN)相结合的图像重建方法。首先,在ANR中提出使用弹性网络回归模型,使算法具有特征选择的特点。其次,在CNN的图像预处理部分使用lanczos3插值方法,加快了运算速度,在特征提取中提出使用具有自门控特性的Swish函数作为激活函数,用于提高测试准确度。最后,在重建图像的评价方面提出了图像的相关系数,并用于对重建图像做进一步的有效性评估。实验结果证明,所提方法平均峰值信噪比(PSNR)达到了32.68,平均结构相似性(SSIM)达到0.938 0,平均相关系数达到0.982 8。算法有效地恢复了图像的细节部分,图像质量得到了进一步提升。     

改进自适应 CEEMD 方法在心电信号去噪中的应用

针对传统经验模式分解(EMD)方法存在的模式混淆问题,以及总体平均经验模式分解(EEMD)不具备完备性和计算量太大的缺陷,提出一种改进的自适应互补集合经验模式分解(CEEMD)方法。该方法在分析加噪准则的基础上,引入峰值误差(PE)作为加噪评价指标,来自适应确定最佳加噪幅值;然后利用原始信号的幅值标准差以及加入噪声的幅值标准差的比值系数,对不同信号自适应获取总体平均次数;最后将该方法运用到由美国麻省理工学院建立的MIT-BIH心电数据库中,很好地实现了对目标信号的去噪。实验表明,所提方法的平均信噪比(SNR)达到了19.249 7、均方根误差(RMSE)仅为0.047 3,平均平滑度指标R只有0.030 5。算法有效地去除了原始心电信号噪声,改善了信号的平滑度,提高了运算效率。     

基于纹理先验和颜色聚类的图像增强算法

针对传统带彩色恢复的多尺度Retinex算法（multi-scale Retinex with color restoration,MSRCR）存在的纹理信息被弱化，部分信息丢失，增强效果不佳等问题，提出一种基于纹理先验和颜色聚类的图像增强算法。首先，在图像增强之前，进行纹理先验信息提取，以便后续进一步处理。其次，针对于光照分布不均匀的情况，提出利用颜色聚类算法进行图像的分块增强。再者，在对数域映射中，在分块处理的基础上提出了基于均方值和均方差的映射方案。最后，在增强算法的评价部分，提出使用图像的信息熵以及自然统计特性来对增强图像做进一步的有效性评估。实验结果证明，所提方法的平均信息熵达到了7.4934，平均自然统计特性达到4.0903。算法有效地增强了图像的细节部分，图像更为自然，质量得到了进一步提升。