基于小波变换的SS8型主变流器的故障诊断

首先建立了SS8型主变流器的MATLAB仿真模型，对输出信号采用基于小波包的能量分解的故障特征提取算法，对主变流器中整流元件的开路故障进行故障特征提取，建立故障特征表，构建了基于小波分析的主变流器故障诊断系统。试验结果能较准确地检测出故障类型。     

网侧变流器开路故障下双馈风机输出电流特性研究

由于新疆电网运行事故与风电场内部电力电子设备异常而产生的大量谐波有关,但其谐波产生模式一直没有认识清楚。文中从单台双馈风机变流器故障角度出发,分析了网侧变流器在不同开路故障状态下输出电流异常的原理;在电力电子仿真软件PLECS中搭建双馈风机并网模型,变流器采用SVPWM调制策略进行仿真;运用快速傅里叶变换(FFT)对输出电流进行分析。结果表明,网侧变流器中同一桥臂发生开路故障时输出电流基本无谐波分量,而在其他两种故障状况下输出的2倍频谐波含量明显增大。     

基于DFT变换的单相PWM整流IGBT断路故障检测

单相整流变换和三相整流变换被广泛的运用在电力机车牵引变流器,风力发电,光伏发电等各种工业设备中,并且单相整流变换相对于三相整流变换更加容易发生故障。本文主要是介绍了一种通过在频域中对直流侧电流进行分析,从而判断IGBT断路故障的故障诊断方法。该方法并不需要增加额外的传感器,也不需要对电路模型进行详细的分析,而是通过在频域中使用故障诊断算法就可以确定发生的故障类型。通过实验验证表明该发生具有快速的诊断时间,简单的算法结构,高可靠型等特点。     

小波神经网络对风力发电机组功率变流器的故障诊断

研究了永磁同步风力发电机组网侧功率变流器开关器件的开路故障问题,提出一种新的开路故障诊断方法,以实现对单个或两个开关器件同时开路的多种故障进行诊断.首先采集不同故障下网侧功率变流器的电压信号作为原始信号,利用小波变换对此信号进行分解和重构,再对小波变换后得到的数据进行特征分析和判定,将特征分析和判定后的数据作为BP神经...     

“建”言能源 国内外关于风力发电系统低电压运行研究最新进展

在1．5MW及以上级别的风电机组中,目前多数广家采用双馈感应发电机（DFIG）配合变速变桨设计。双馈感应发电机在变速恒频风力发电中得到了广泛的应用,其主要优点是只有部分功率流过励磁变流器,有功和无功可以单独调节。然而,正是由于变流器容量较小,使得它对电网故障非常敏感,需要采取可靠的保护措施,以防止变流器中功率器件的损坏。     

基于遗传神经网络的电力机车主变流器故障诊断

在变流器的故障诊断系统中,针对BP算法存在收敛速度慢、容易陷入局部极小值的问题,文章采用了遗传算法的选择、交叉、变异过程代替班,神经网络的反向传播过程的遗传神经网络算法。通过仿真试验证明,这种算法具有收敛速度快、推广性强的特点,极大提高了变流器的故障诊断系统的效率和准确性。     

直驱永磁同步风机低电压穿越控制方法研究

本文给出了用于直驱永磁同步风力发电系统暂态分析的传动轴系的双质块模型和全功率变流器数学模型,分析了低电压故障下直驱永磁风力发电系统的暂态特性。提出了相应的变流器改进技术措施,利用PowerFactory/DIgSILENT仿真软件对所设计的LVRT改进控制方法进行仿真建模,并验证了其有效性。     

双馈风电变流器IGBT模块损耗及结温的计算分析及变化规律研究

针对双馈风电变流器IGBT模块在交变热应力的长期作用下导致故障频发的问题,提出其损耗与结温的准确计算模型及不同工况下两者变化规律的研究。首先,建立了机侧及网侧变流器在整流或逆变模式下IGBT模块损耗及结温的计算模型;其次,对机组在不同运行工况下,其损耗和稳态结温进行分析。结果表明,随风速的增大,机侧与网侧变流器IGBT模块的损耗变化规律不同;机侧变流器IGBT模块的结温波动剧烈,尤其是在同步风速附近区域。     

风力发电机组的运行维护分析

阐述风力发电机组中变流器、发电机叶片、异常振动的运行故障,风力发电机组运行的维护措施,从而保障风力发电机组稳定安全运行。     

用于风力发电系统的大功率IGBT短路保护的研究

现代化的兆瓦级变流器广泛用于机车牵引、新能源发电等场合,大多数兆瓦级变流器均采用IGBT作为功率器件。本文对风力发电系统中所使用的新型低导通压降、大电流的沟道场截止型IGBT的短路特性进行了详细分析,指出了短路故障发生后IGBT失效的原因。介绍了一种有源闭环的保护方法,并通过实验证明了其有效性。     

一种单相光伏系统并网策略研究

提出了一种单相光伏并网系统控制策略,通DC/DC电路对变流器母线稳压,在并网端变流器中采用瞬时电流控制和以输出电流最大为目标的扰动观测改进算法。该控制策略避免了传统变流器电压外环调节速度慢的不足,同时对于最大功率点跟踪不依赖光伏电池输出特性检测。本策略具有MPPT跟踪速率快,成本低,并网电流畸变小等特点,通过实验结果验证了该方案的可行性和正确性。     

多源导航系统软、硬故障检测新方法研究

故障检测和隔离对提高无人机的导航精度和可靠性有重要意义.针对残差卡方算法对小值软故障灵敏度差,改进序贯概率比(SPRT)算法无法判断故障结束时间的缺陷,提出了一种联合故障检测算法.该算法依靠残差卡方算法判断故障结束时间,从而及时对改进SPRT算法检测值进行修正,使改进SPRT算法能继续检测非第一次故障.改进SPRT算法对故障的灵敏度高,且残差卡方算法能准确判别故障结束时间.仿真结果表明,该综合算法对小值软故障、大值阶跃故障都有很好的检测效果,有效提高了系统的故障检测能力及灵敏度,增强了组合导航系统的可靠性.     

直驱永磁风力发电机的控制策略研究

以直驱式永磁同步电机和变流器为对象,提出了电机侧变流器和电网侧变流器分开控制的控制方法。在电机侧采取基于最佳叶尖速比的最大风能跟踪可以在起动风速、额定风速和功率恒定三个区域最大限度地捕获风能。在电网侧采用直接功率控制策略,动态响应性能优异,算法本身也相对简单,实现了网侧功率因数恒定。系统基于MATLAB/Simulink软件的仿真波形和分析结果验证了所提出的控制策略的正确性。     

单位功率因数可逆变流器数学模型

建立了单位功率因数可逆变流器动态数学模型,根据所得模型分析了可逆变流器的动态特性,以及变流器各参数对变流器特性的影响,并通过仿真对动态模型进行了验证,给出了实验结果。     

电控曾经的事情

正2008年初,我被安排到电控事业部工作。那是兆瓦机组刚刚安装,机组不太成熟,人们对新机型也不太熟悉。电控的问题接连不断,整个队伍为应付现场的问题,搞得人仰马翻,筋疲力尽,弥漫着一片沮丧的情绪。早期最严重的问题基本是三个部分,变流器的故障,变桨控制器的故障,DP(通信)故障,尤其DP故障几乎占了所有故障的70%。那时候,电控的主设备都是进口的,但外国厂家的工作方式,解决问题的速度,以及他们对待我们的     

浅述永磁直驱风电机组变流器的控制策略

本文主要研究直驱永磁同步风电变流器系统的控制策略,对PWM变流器的数学模型和对变流器能量传输进行分析。网侧变流器采用电网电压定向矢量控制策略,机侧变流器采用转子磁场定向id=0矢量控制策略,为研究直驱型永磁风力发电系统的核心技术建立起良好的理论基础。     

基于NCV门的量子电路故障的检测与定位研究

为了确保基于NCV门库的量子电路的正确性和有效性,给出了量子电路故障定位树的生成算法和量子电路黑盒检测算法来定位量子电路中的门丢失故障。该故障定位树算法去除约98%的无用输出向量,提取输出表中有效的输入向量以及对应的故障输出向量,逐层生成故障定位树。结合量子电路黑盒检测算法对量子电路进行故障定位时不需要访问输出表就能够有效定位量子电路中的丢失门。对benchmarks部分电路进行实验,结果验证了该算法定位单故障门的有效性。     

一种基于增量贝叶斯疑似度的事件驱动故障定位算法

现有的故障定位算法大多基于时间窗口,窗口大小设置的合理与否会对算法准确度产生重要影响。为了避免因窗口设置不当造成算法性能的下降,该文以概率加权的二分图作为故障传播模型,提出了一种基于增量贝叶斯疑似度(Incremental Bayesian Suspected Degree,IBSD)的启发式故障定位算法。IBSD算法采用事件驱动的方式依次分析观察到的征兆,通过增量计算对应故障的贝叶斯疑似度,确定当前征兆前提下最有可能的故障集。仿真实验表明,IBSD算法具有较高的故障检测率和较低的故障误检率,即使在部分告警无法观察的情况下,算法依然具有较高的故障检测率。算法具有多项式计算复杂度,可以满足大规模通信网故障定位的要求。     

基于改进PSO的变流器控制参数优化方法

粒子群优化(PSO)算法在优化具有非连续特性的变流器控制参数时,因粒子多样性的减少与缺少跳出局部优值区域的机制,容易陷入局部最优值。为了解决上述问题,该文提出具有多群体和多速度更新方式的改进PSO(MMPSO)。以不同控制方式的单相逆变系统为研究对象,选取由总谐波畸变率(THD)和误差绝对值积分(IAE)组成的优化目标函数,并建立MMPSO的变流器优化模型。实验结果对比表明,MMPSO算法优化效率高,且收敛速度快。     

基于机器学习的光伏组件故障危害识别研究

针对光伏组件受多种因素引起的热斑故障问题,提出了一种以决策树为基础分类器的集成学习算法——梯度提升决策树（gradient boosting decision tree,GBDT）,对光伏组件故障进行识别。通过提取热斑特征数据,使用提出的算法对光伏组件上的热斑故障进行识别,并对其危害进行详细划分。基于获取的热斑故障危害信息,利用提出的算法对故障光伏组件的危害程度进行准确识别,实现了对光伏组件故障危害等级的判定。实验表明,与K近邻（k-nearest neighbors,KNN）算法和支持向量机（support vector machines,SVM）算法相比,GBDT算法在正确率、召回率等指标上能取得较优的效果,说明该算法在光伏组件故障危害识别中具有较强的鲁棒性和泛化能力。