基于卡尔曼滤波的行波波头检测算法研究

为了解决采用暂态行波对电力线路发生的故障进行定位时行波波头不易提取的问题,引入卡尔曼滤波算法进行行波波头检测。依据实际行波信号的特点建立故障电压行波模型,采用卡尔曼滤波的递推算法对模型中的基频以及各次谐波分量进行滤波处理,将得到的滤波结果在原信号的基础上进行消减即得到包含有行波波头信息的信号。建立系统发生单相接地故障模型,对模型中的故障行波信号应用该检测方法进行波头信息提取,仿真分析结果表明：所提出的方法能够有效地检测到行波波头,具有很好的实用性。     

基于约束卡尔曼滤波的航空发动机状态变量模型辨识方法

为建立高精度的航空发动机状态变量模型,采用约束卡尔曼滤波算法辨识民用涡扇发动机非线性模型以及某型涡轴发动机试车数据状态变量方程矩阵参数。研究表明:基于约束卡尔曼滤波算法能够辨识得到高精度的状态变量模型,相比标准卡尔曼滤波算法,改进的卡尔曼滤波算法可以明显加快模型参数收敛速度、减小稳态误差。     

采用嵌入式Haar小波变换算法检测电能质量扰动信号

根据小波变换原理,分析了我国电网背景下Haar小波变换的采样频率和层数,并对6种暂态电能质量扰动——电压尖峰、电压缺口、高频干扰、电压凹陷、电压中断和电压隆起特征信号做Haar小波变换和反变换,重构得到低频分量.针对低频信号分量和原始信号的特征,提出了特征信号分类方法,并使用单片机ATmega1281(8位AVR)实现...     

非对称故障下基于模型预测调制函数的光伏逆变器零电压穿越控制方法

针对电网非对称故障下光伏电站在零电压穿越(ZVRT)期间的无功电流响应速度和并网电流谐波含量问题,提出一种基于模型预测调制函数的零电压穿越控制方法。该方法根据电压跌落深度给定正负序旋转坐标系下的指令电流,通过建立αβ坐标下的电流预测模型,对方差评价函数求导算出最小电流误差调制函数,并基于固定开关频率的正弦脉宽调制(SPWM)获取逆变器的驱动信号,从而实现ZVRT。仿真结果表明:与传统的PI控制和有限控制集模型预测控制ZVRT方法相比,该文方法不但可提高系统的动态响应、降低总谐波失真,而且具有运算量小、易于实现的优点。     

基于改进EMD算法的小电流接地故障选线

小电流接地系统发生单相接地故障,故障电流暂态分量复杂、稳态分量不明显的特点为可靠选线带来困难。本文分析了小电流接地故障电流暂态分量特征,并提出一种基于改进EMD算法的小电流接地故障选线方法。EMD算法通过叠加电网特征高频信号解决了IMF模态混叠并可靠滤除了高频干扰。基于单相接地故障电流经改进EMD分解出的IMF在不同故障角下展现出不同的特征,分别利用故障时刻低频波形的单调性与线路故障特征能量作为判据进行小电流接地故障选线。基于Matlab/Simulink的配电网单相接地故障仿真验证了该选线方法的有效性。     

基于VMD与粒子滤波的滚动轴承故障诊断

针对旋转设备工作环境复杂,难以提取轴承故障特征信息的问题,提出基于变分模态分解(VMD)和粒子滤波的故障诊断方法。首先,对原始振动信号进行VMD分解,得到有限个具有稀疏特性的固有模态函数(IMF);其次,利用基于峭度、相关系数、能量比的综合评价指标P,筛选最能反映原始信号故障特征的模态分量进行重构;最后,对重构故障特征分量进行粒子滤波,消除VMD残留的非线性、非高斯噪声后,利用包络谱分析故障类型。通过对实验轴承振动信号的分析,验证了该方法的准确性和有效性。     

基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断研究

针对燃气轮机组气路故障诊断易受时变噪声干扰以及突变故障诊断精度不高等问题,本文提出一种基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断方法。该算法通过引入气路部件先验知识,合理分配各通道的调节作用,从而提高了气路故障诊断的精度以及动态响应速度。以PG9171E型燃气轮机为研究对象,分别利用EKF(扩展卡尔曼滤波)、STF(强跟踪滤波)以及ISTF(改进型强跟踪滤波)对常见气路故障进行诊断,结果表明ISTF算法同时兼具良好的响应速度以及较高的精度。     

基于模糊神经网络的高压电力设备故障预测模型

电力设备作为电力系统的基本要素,对其故障风险预测可以有效降低电网故障风险带来的损失。当前应用的高压电力设备故障预测模型忽略了对高压电力设备信号的盲源分离处理,无法去除虚假故障分量,导致故障预测结果不准确、耗时较长的问题。构建新的基于模糊神经网络的高压电力设备故障预测模型。将小波降噪方法引入到盲源分离中,对高压电力设备信号完成盲源分离和小波分解;通过互信息方法将分解结果中的虚假分量删除;利用插值形态滤波的方式提取故障特征,将其设定为模糊神经网络的输入变量,构建高压电力设备故障预测模型。实验结果验证了所构建的模型在30次实验迭代过程中的误差始终不超过2.5%,均方根误差低于3.4%,预测用时测试结果在14~23 ms之间。数据表明所构建模型的预测精度较高、预测速度更快,具有明显的应用优势。     

基于IMF希尔伯特解调的风电齿轮箱复合故障识别方法

为克服风电齿轮箱部件故障各调制载波边带重叠的影响和传统滤波方法造成的信号相位变化,提高故障诊断的精度,引入基于IMF希尔伯特解调的复合故障识别方法。该方法首先通过经验模态分解得到若干个对应不同的调制频率族的内禀模态函数,然后采用希尔伯特解调分析提取调制信号对应的内禀模态分量的故障信息,以达到精确识别故障的目的。结合实际案例分析,验证了该方法可以有效地提取非线性、非稳定性和多调制混杂复合信号中的故障信息,有效地提高了风电齿轮箱故障识别的精度。     

基于暂态能量比的交流输电线路故障选相方法

针对传统利用小波变换等方法获取暂态能量实现故障选相存在算法和选相判据复杂的问题,提出一种利用故障分量构建暂态能量的输电线路故障选相方法。该方法从电压、电流故障分量角度构建三相暂态能量比和零序暂态能量指标,通过将这些指标与相应的阈值比较,完成故障选相。基于某实际系统动模试验的故障录波数据验证了方法的有效性;并通过PSCAD/EMTDC搭建典型双端电源输电线路仿真模型,验证了所提选相方案可以不受故障点位置、故障初相角等的影响,可耐受更高的过渡电阻。     

插值算法在内燃机瞬时转速测量中的应用研究

提出了采样信号的插值计算公式 ;考虑到测量信号中调制现象的影响 ,提出了插值法在瞬时转速计算中的误差公式 ;并针对 6 - 135 G柴油机最高转速对两点插值和三点插值的精度进行了计算 ;最后用实测数据进行了验证。结果表明这是提高瞬时转速测量精度的一种有效方法 ,在 5 0 k Hz的低采样率下即可得到较平滑的瞬时转速波形。     

卡尔曼滤波灰色模型在大坝变形预测中的应用

针对灰色模型在大坝变形预测中的不足,将灰色模型与卡尔曼滤波相结合应用于大坝变形预测中,即先使用卡尔曼滤波消除扰动误差,再进行灰色预测。实例应用表明,该组合模型比单纯灰色模型更适用于大坝的变形预测,可作为一种新的预测方法应用于大坝变形监测中。     

基于卡尔曼滤波的波浪发电系统反步法最优功率跟踪控制

常规变速控制系统的精度不高,变换器晶闸管开关动作产生的高频纹波较大,为此提出一种基于卡尔曼滤波的反步控制方法。文章通过分析波浪能提取装置的受力及幅频特性,获取了波浪能转化效率最大化的控制条件,并搭建了一套基于卡尔曼滤波的波浪发电反步最优功率控制系统。通过仿真研究了3种控制方法的控制精度和有效性,仿真结果表明:低通滤波反步法存在相位延迟,不能满足最大功率捕获策略的相位条件,影响系统的最终有功功率输出;反步法的跟踪误差较大,导致系统输出的有功功率较低;卡尔曼滤波反步法的动态性能较好,跟踪电流的波形振幅较小,能保证系统全局收敛,在电机速度方向、幅值和频率突变的情况下,仍能快速准确跟踪给定信号,鲁棒性和抗干扰能力更好。     

基于奇异值分解与卡尔曼滤波修正多位置NWP的短期风电功率预测

考虑到数值天气预报网格点位置和系统误差对短期风电功率预测精度的影响,提出一种基于奇异值分解与卡尔曼滤波修正多位置数值天气预报的短期风电功率预测模型。首先通过奇异值分解对多位置数值天气预报数据进行特征提取与降维处理;然后使用卡尔曼滤波方法修正数值天气预报风速数据,降低数值天气预报的系统误差;最后基于极端随机森林算法,利用修正的数值天气预报数据搭建短期风电功率预测模型。通过对某风电场进行仿真,并与单位置、未降维、未修正模型比较,结果表明降维修正模型的预测效果最好,平均误差和均方根误差分别为7.94%和9.96%。     

降雨径流模型及其应用

针对目前国内对降雨径流模型研究中存在的问题,介绍了降雨径流模型的原理与特点,以沙子岭流域为例对降雨径流模型实际应用效果进行分析,并用卡尔曼滤波方法对降雨径流模型的预报结果进行了实时校正。研究表明,该模型预报效果较好,经卡尔曼滤波后预报效果明显改善。     

内燃机瞬时转速的测量

首先指出了在测量内燃机瞬时转速时所存在的问题：一是缺少一个合理的测量误差计算公式;二是没有合理选择信号齿盘齿数的依据。详细叙述了利用磁电或光电传感器测量瞬时转速的原理和方法,在此基础上提出了测量瞬时转速的新的误差计算公式;分析了影响测量精度的诸因素。研究表明瞬时转速的误差来源主要有３个：角度误差、量化误差和触发误差。试验证明,利用发动机的飞轮齿圈测量瞬时转速是切实可行的     

Cost‐effective shaft torque observer for condition monitoring of wind turbines

Improvement of condition monitoring (CM) systems for wind turbines (WTs) and reduction of the cost of wind energy are possible if knowledge about the condition of different WT components is available. CM based on the WT drive train shaft torque signal can give a better understanding of the gearbox failure mechanisms as well as provide a method for detecting mass imbalance and aerodynamic asymmetry. The major obstacle preventing the industrial application of CM based on the shaft torque signal is the costly measurement equipment which is impractical for long‐term use on operating WTs. This paper suggests a novel approach for low‐cost, indirect monitoring of the shaft torque from standard WT measurements. The shaft torque is estimated recursively from measurements of generator torque, high speed shaft and low speed shaft angular speeds using the well‐known Kalman filter theory. The performance of the augmented Kalman filter with fading memory (AKFF) is compared with the augmented Kalman filter (AKF) using simulated data of the WT for different load conditions, measurement noise levels and WT fault scenarios. A multiple‐model algorithm, based on a set of different Kalman filters, is designed for practical implementation of the shaft torque estimator. Its performance is validated for a scenario where there are frequent changes of operating points. The proposed cost‐effective shaft torque estimator overcomes all major problems, which prevent the industrial application of CM systems based on shaft torque measurements. Future work will be focused on validating the method using experimental data and developing suitable signal processing algorithms for fault detection. Copyright © 2013 John Wiley & Sons, Ltd.     

A state-space pressure and speed sensing governor forhydrogenerators

The use of the pressure signal for speed control of hydrogenerators is investigated. This is done by first analyzing and modeling the plant, assuming an isolated, resistive load. A set of governor gains that give an optimal response to a change in load level using speed feedback is then found. With this response as a benchmark, various methods are analyzed and implemented, utilizing the pressure signal, to improve the response of the system. A state-space observer, designed to attenuate noise on the pressure signal, is discussed. Results show that an observer-based controller using all states as input, as compared to a PID controller, improves the transient response of hydrogenerators, is effective at filtering out the noise on the pressure signal and is more robust to both steady-state pressure and plant parameter variations     

Speed control of a three-phase induction motor based on robust optimal preview control theory

A synthesized method for speed control of a three-phase induction motor (IM) based on optimal preview control system theory is implemented in this article. An IM model comprises three-input variables and three-output variables that coincide with the synchronous reference frame that is implemented using the vector method. The input variables of this model are the stator angular frequency and the two components of the stator space voltage vector, whereas the output variables are the rotor angular speed and the two components of the stator space flux linkage. The objective of the synthesized control system is to achieve motor speed control, field orientation control, and constant flux control. A novel error system is derived and introduced into the control law to increase the robustness of the system. The preview feed-forward controller, which includes the desired and disturbance signals, is used to improve the transient response of the system. A space vector pulse-width modulation (PWM) control technique for voltage source-fed IM is prepared for microprocessor-based control. Spectral analysis of the output voltage is evaluated to predict the effect of the proposed space vector modulation technique on the dynamic performance of the IM. The optimal preview controlled system is implemented, and its applicability and robustness are demonstrated by computer simulation and experimental results.     

基于集合Kalman滤波的河道洪水预报研究

为提高河道洪水预报精度,研究了集合Kalman滤波法与最小二乘法对马斯京根模型参数率定的河道洪水预报技术,并以长水-白马寺实测洪水为例进行了对比检验,探讨了集合Kalman滤波法的多时段预报洪水过程及其特点.检验结果表明,应用集合Kalman滤波技术优于最小二乘法的预报效果,可有效提高河道洪水预报的精度并能适度延长预报时段.