舰船电力系统单位功率因数谐波电流检测方法的研究

舰船全电力推进技术的不断发展,使舰船上的谐波问题受到更多的关注。提出将基于单位功率因数(UPF)的谐波电流检测方法用于舰船电力系统,并针对舰船电力系统负载变化频繁的特点,采用基于UPF谐波电流检测的并联型有源电力滤波器对其谐波进行抑制。用移动窗积分取代低通滤波器的改进型UPF检测方法,有效解决了低通滤波器的检测延时问题,改善了检测的暂态性能。仿真和实验结果表明,改进型UPF谐波电流检测方法能实时检测谐波电流,在负载变化时能很快的跟踪,特别适合用于舰船电网谐波检测。     

改进型UPF谐波电流检测方法的仿真研究

谐波电流对电网的污染日益严重,实时、准确地检测出电网中的谐波电流是谐波抑制和无功功率补偿的一项关键技术.本文对基于单位功率因数的谐波电流检测方法进行了改进,用移动窗积分法取代检测中常用的低通滤波器.使用MATLAB中的电力系统模型库对两种方法建立了仿真模型,并进行了计算机仿真.仿真结果证明,此改进方法原理简单、工程上易于实现,可以有效地改善由低通滤波器产生的检测延时问题,提高谐波电流检测的动态响应速度.     

基于C均值聚类和图转导的半监督分类算法

针对传统图转导（GT）算法计算量大并且准确率不高的问题,提出一个基于C均值聚类和图转导的半监督分类算法。首先,采用模糊C均值（FCM）聚类算法先对未标记样本预选取,缩小图转导算法构图数据集的范围;然后,构建k近邻稀疏图,减少相似度矩阵的虚假连接,进而缩减了构图的时间,通过标记传播的方式得出初选未标记样本的标记信息;最后,结合半监督流形假设模型利用扩充的标记数据集以及剩余未标记数据集进行分类器的训练,进而得出最终的分类结果。在Weizmann Horse数据集下,所提算法分类准确率均达到96%以上,和传统仅使用图转导的分类方法相比,解决了对初始标记集的依赖性问题,将准确率至少提高了10%;将所提算法直接运用到兵马俑数据集,分类准确度也达到95%以上,明显高于传统的图转导算法。实验结果表明,基于C均值聚类和图转导的半监督分类算法,在图像分类方面有较好的分类效果,对图像的精准分类具有研究意义。