排序方式: 共有49条查询结果,搜索用时 15 毫秒
1.
2.
通过开环条件和闭环条件的对比,研究了应用开环补偿原理进行PSS参数整定方法的准确性。首先通过简化得到单一电功率输入信号的PSS模型。应用开环补偿理论分析方式研究了控制参数变化对幅频特性、相频特性的影响。然后采用实际电网仿真方式,闭环条件下研究了参数变化对临界增益和阻尼效果的影响。通过对比开环和闭环的结果,发现了开环补偿理论不能精确分析PSS阻尼效果。分析结果表明PSS参数整定需考虑幅频特性、相频特性协调配合。仿真结果发现了隔直环节参数对临界增益参数、阻尼效果存在影响,临界增益未受幅频增益最大值影响。最后通过对比分析,给出了参数整定工作的改进建议。该成果对于PSS参数的优化配置具有参考价值。 相似文献
3.
为实现变转速工况下风电机组轴承故障损伤的准确识别,提出一种基于改进奇异谱分解(ISSD)和1.5维包络阶次谱的诊断方法。针对奇异谱分解存在的端点失真和奇异谱分量数量判定问题,提出极限学习机延拓结合窗函数的端点效应抑制策略以及基于Person相关系数的分量数量判定策略。首先,通过计算阶次追踪算法对拾取的信号进行等角度重采样,继而对重采样角域信号进行ISSD处理;为便于后续分析,利用排列熵指标从ISSD处理结果中筛选出最佳主敏感奇异谱分量,对其执行对称差分能量算子解调运算,并计算所得包络信号的1.5维谱;最后通过分析1.5维包络阶次谱中的阶次成分准确判定轴承运行状态。实验台信号及实测工程信号验证表明,所提方法能有效提取变转速工况下风电机组轴承损伤特征,具有一定工程参考价值。 相似文献
4.
5.
由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5%以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高. 相似文献
6.
研究了运行方式变化和工程等效对测量励磁系统无补偿相频特性的影响。首先阐释了PSS增加阻尼的原理和无补偿相频特性的工程等效测量方法。其次基于对单机无穷大系统的理论分析,得出发电机有功功率和无功功率是影响无补偿特性测量的主要因素。然后进行了实际电网仿真,得到了无补偿特性主要受发电机有功功率、无功功率影响的结论。电网负荷、电气距离、并列机组数量、并列机组PSS投退对试验结果影响较小。最后通过仿真对比,发现采用机端电压等效发电机内电势会使后半频段滞后角度偏大,得到了采用单机无穷大系统代替实际电网将使全频段滞后角度偏小的结论。该成果对于PSS性能的改善具有积极意义。 相似文献
7.
变分模态分解(Variational Mode Decomposition,VMD)是一种不同于递归式模态分解新方法,具有优良的频率剖分特性,但其在处理信号时受分量个数影响严重,通过主观经验难以合理设置该参数。针对该问题,利用奇异值分解清晰的信噪分辨能力,根据奇异值最佳有效秩阶次自动搜寻VMD的分量个数,提出了一种改进变分模态分解的风电齿轮箱不平衡故障特征提取方法。通过仿真信号及轴不平衡实验信号对该方法进行了验证,并将其应用于风电齿轮箱稳定工况下的现场故障诊断中,均成功提取出微弱特征频率信息,实现对齿轮箱不平衡故障的有效判别,具有一定可靠性。 相似文献
8.
分析了不同运行状态下既定PSS的适应性。首先阐述了Prony算法的基本思想,并通过案例验证了Prony方法在工程PSS分析中精度是可行的;然后通过PSD-BPA仿真计算分别分析了机组负荷系数、电网负荷、电网结构变化时机组的振荡特性变化规律和既定PSS的适应性,并给出了PSS参数整定的建议参考流程。分析表明,机组负荷系数和电网负荷增大均会使发电机主导振荡频率降低,但电网结构改变时,其主导振荡频率有可能升高也有可能降低,不具备明显规律;当机组负荷系数变大时,既定PSS适应性先变差再变好,而当电网负荷增大时,结论相反。论文成果对于PSS参数的整定改进有参考意义。 相似文献
9.
10.
基于充足样本的多个设备元件导致多任务学习网络规模庞大,轻微和严重的跨元件零样本问题难度大。在多种样本量(充足样本和零样本)下,针对基于充足故障样本的多元件诊断网络规模过于庞大问题,引入MicroNet方法对多任务学习网络进行轻量化处理,然后利用热重启余弦退火算法优化上述网络,提出一种多任务轻量化学习网络模型,改善多任务学习网络的准确率和效率。针对更高难度的跨元件零样本问题,引入元学习方法进一步改进上述MT-MN-CA,进而提出一种改进多任务轻量化学习网络模型,解决轻微和严重的跨元件零样本问题。通过实测液压泵和滚动轴承故障验证所提两个网络模型的有效性和优越性,试验结果表明所提网络具有很高的实时性和准确率。 相似文献