励磁系统参数时域辨识

文章以沙岭子电厂7号发电机为例, 以建立BPA自并励励磁系统模型参数为目的, 介绍了一类基于时域分段线性多项式函数(PLPF)的辨识方法。PLPF法是一种将传递函数模型经微分方程转化为多重积分方程, 再利用线性多项式插值函数来逼近原函数, 将多重积分方程转换为代数方程,然后利用动态响应的离散数据拟合函数进行分段处理的方法。根据自并励励磁系统模型输入输出时域动态响应数据, 采用该方法直接对沙岭子电厂7号机的励磁系统进行相关参数辨识。这就给出了将一套非标准励磁系统通过参数辨识转换为中国电力科学研究院开发的仿真软件BPA下标准模型的实例, 最后进行了仿真验证, 结果证明了时域PLPF法辨识结果正确, 可以用来进行发电机组励磁系统参数的辨识。     

基于自然激励技术的低频振荡模态参数识别

低频振荡是威胁电网安全稳定运行的一个重要因素。传统的基于测量信号的低频振荡模态参数辨识方法难以在系统未发生明显振荡时准确的检测模态参数。提出了一种利用系统正常运行时的白噪声响应识别系统模态参数的方法。首先用自然激励技术从白噪声响应间接获取系统的脉冲响应,再用HHT法对脉冲响应函数进行分析,得到系统各阶模态的频率、阻尼比等模态参数。通过对四机两区系统的仿真分析和实际电网数据的计算验证了方法的有效性。     

基于可观测量的同步发电机参数的时域辨识

同步发电机模型中不可观测量的存在使得在辨识电机参数时因需要求解复杂的微分方程组而导致辨识困难.文中提出了一种由发电机出口电压、出口电流、励磁电压以及励磁电流等可观测量表示的同步发电机辨识模型,避免了复杂微分方程组的求解,提高了辨识的稳定性和效率,简化了参数辨识方法.首先分析了参数可辨识性,指出在将稳态方程作为附加条件的...     

自然激励下某电动汽车白车身模态参数识别

为了研究电动汽车白车身的动态特性,提出了一种基于自然激励的结构模态参数识别方法。利用此方法对某电动汽车白车身进行了结构模态参数识别,得到了其前三阶结构模态参数。并将利用该方法识别的结果和传统方法识别结果进行了对比,发现固有频率最大误差为1.8%,阻尼比最大误差为13%,振型基本一致,进而验证了方法的正确性。之后利用识别的模态参数结合电动汽车工作特性,对该白车身的动态特性进行了评价。提出的方法不需要专用的激励设备,可应用于不易激励的大型、重型结构模态参数识别。模态参数识别的结果对电动汽车白车身动态特性设计具有一定的指导意义。     

运行激励下结构模态参数测试方法及其实现

提出了一种在结构自身运行激励下只根据响应信号测试结构模态参数的方法—"峰值法"。通过MATLAB软件编程实现了该方法,并且利用传统的锤击方法和"峰值法"对一金属圆盘进行了实验模态分析。通过对比分析发现采用两种不同方法所取得的结果在前两阶模态中固有频率误差分别为1.6%和1.7%,阻尼比误差分别为7.2%和11%,振型整体趋势一致。从而验证了该方法的正确性。该方法适合不容易被激振的大型结构,而且能够分析结构在运行激励情况下的振动特性。     

基于EE模型的励磁系统参数时域辨识法

提出一种基于EE（方程误差）模型的时域辨识算法，通过对离散采样数据的多重积分（PLPF法）估计模型参数值，直接求取待辨识系统微分方程的系数；再根据微分方程的系数，由特定系数法得到一个非线性方程组，然后用牛顿迭代法求解得出传递函数的模块环节实际参数。该方法的优点在于根据输入输出采样数据直接在时域上进行参数辨识，方法简便，较好地解决了由传递函数多项式a,b系数转化为传递函数框图环节参数的实际需求。该方法通过工业试验得到校核验证。     

基于深度残差网络的SSO模态参数辨识

针对电力系统正常运行中的微弱次同步振荡信号趋势难以辨识,辨识算法抗噪性差、辨识结果可靠性低等问题,提出一种基于深度残差网络的次同步振荡模态参数辨识方法。建立了一种由卷积层、若干残差层和全连接层等构成的深度残差网络模型;模型训练数据集依据SSO信号特点生成,全部采用仿真数据;经参数调整和优化后的模型能够实现对现场实测的低信噪比SSO信号模态参数的盲辨识。利用理想信号、含噪仿真信号和现场实测数据等三种方案对模型性能验证,结果表明该算法能有效地辨识出微弱SSO的频率和阻尼等关键参数,与卷积神经网络(CNN)和随机子空间(SSI)算法相比较,辨识精度更高,受噪声干扰小,具有盲辨识的特点,可用于电力系统次同步振荡风险的预警。     

基于时域分段线性多项式法的大型汽轮机建模和参数辨识

文章提出一类基于时域分段线性多项式函数(PLPF)的辨识方法用于大型汽轮机的数学建模和参数辨识。PLPF是一种将传递函数模型经微分方程转化为多重积分，并利用动态响应的离散观察数据构造拟合函数进行分段处理的方法。根据系统模型输入输出时域动态响应数据，采用该方法直接进行有关参数的辨识，建立具有明确参数物理意义的连续时间模型，方法简洁快速准确。该方法成功应用于实际系统的建模和参数辨识，在多个厂站进行了参数辨识的工业试验。     

基于EMD和Prony算法的次同步扭振模态参数辨识

从瞬时转速测量数据中有效提取次同步扭振信号,并准确地辨识模态参数,仍有一定的技术难度。提出了通过EMD预处理提取次同步扭振信号,并进行重采样处理,再通过Prony算法辨识次同步扭振模态参数的方法。采用该方法对某电厂扭振实测数据进行了应用分析,并与基于传统滤波器以及小波滤波器的Prony分析结果进行比较。研究表明所提方法能够有效提高次同步扭振模态参数辨识的精度。     

基于时域仿真抛载法的同步发电机参数辨识方法

获取准确的发电机参数是提高电力系统仿真计算准确性的重要依据,有利于电网的安全稳定运行。应用抛载法对发电机的抛载过渡过程进行理论分析,基于时域仿真抛载法提出同步发电机参数的辨识方法。利用抛载法进行发电机现场试验,获得发电机空载、灭磁和d/q轴抛载试验数据并进行分析处理。模拟现场试验工况,建立发电机空载、灭磁及d/q轴抛载的时域仿真模型,将仿真结果与试验结果进行对比分析,辨识得到全套发电机参数。为验证提出参数辨识方法的有效性,建立发电机异步自励磁仿真模型并利用辨识参数与原厂提供参数进行异步自励磁工况仿真,将仿真结果与试验波形进行对比,表明辨识参数具有更高的准确性。     

基于改进HHT的高拱坝模态参数识别方法研究

水工结构出现损伤会使结构特定部分的质量或刚度发生损失,进而改变结构动力特性,这些都将在结构的模态信息中有所反映,因此如何精确地获取结构的模态信息是水工结构运行状态监测的重要前提。本文针对原型动力试验激励难的问题,结合水工结构环境激励荷载的特点,研究基于改进HHT（Hilbert-Huang Transform）的高拱坝模态参数方法。针对密频结构响应信号EMD分解过程中出现的模态混叠现象,提出了带通滤波和伪信号处理技术相结合的方法,对泄洪振动信号的EMD过程进行控制,得到结构的各阶模态分量,然后应用随机减量法提取出各阶模态分量的自由衰减信息,最后对自由衰减信息进行Hilbert变换和最小二乘拟合,得到拱坝的模态参数。     

基于脉冲波形时域特征的局部放电识别

建立了一套数字化实时高速局部放电波形测量系统,由简单实验室模型和工业仿真模型取得了不同类型局部放电的脉冲电流波形,包括空气中和油中尖板电极放电,电机模型线棒内部气隙放电,线棒端部沿面放电,用分段的时域数据压缩法提取了脉冲波形特征,采用分级人工神经网络进行放电模式识别,以得较好效果。     

基于频域辨识的合并单元额定延时测量技术

智能变电站中合并单元数据采集和输出过程存在着固有的额定延时,此延时直接影响继电保护的动作时间。目前,额定延时测量方法存在着不足,给系统安全运行埋下了安全隐患。文中从合并单元采样环节的构成出发,分析其采样、处理过程中额定延时的群延迟特性和传变延迟。研究表明:时域中的群延迟在频域中相频特性应为线性相位,据此提出通过输入不同频率的信号以获得合并单元的相频特性曲线、进而辨识出额定延时的频域识别测量技术,并分析合并单元的相位误差对此额定延时测量方法的影响,最后通过理论仿真验证了此额定延时测量技术的可行性和正确性。文中所提方法为合并单元数字化采样延时测量的工程应用提供了一种切实可行的延时测量技术,能够确保继电保护系统的正确、可靠运行。     

基于模态级数法和轨迹灵敏度的励磁调节器参数优化

基于模态级数法及轨迹灵敏度分析的励磁调节器参数优化方法通过模态级数法得到较精确的系统状态轨迹的封闭解，利用数值微商算法得到系统的轨迹灵敏度，即目标函数的梯度信息，再应用共轭梯度技术优化励磁调节器参数。模态级数法考虑了系统非线性模式的影响，所得状态轨迹解逼近时域仿真结果，所以该方法能有效地阻尼系统受到大扰动后的振荡。通过算例可验证该方法的有效性。     

基于单点动载荷时域识别的PATRAN模块设计

基于动载荷识别理论,根据单位脉冲法以及线性叠加原理可以获得任意结构的单点识别模型,应用PCL语言可以实现对PATRAN的二次开发.以PATRAN软件为平台,设计了一个单点载荷时域识别的模块,由用户界面输入相关参数进行理论计算,得到载荷并将识别的时间历程曲线在软件中显示.算例表明该系统具有良好的操作性和直观性,稳定性好,...     

发电机励磁系统参数辨识综述

综述了发电机励磁系统参数辨识的方法及其在国内外的应用和发展,将辨识方法分为时域法、频域法和人工智能法3种。时域法原理简单,计算方便,对激励信号没有特别要求,容易实现,但是该方法没有滤波功能;频域法利用快速傅里叶变换,将时域上的卷积转化为频域上的简单乘积,计算方便,但它需要伪随机信号作为激励信号,对伪随机码的参数选取要视具体情况而定,对低阶系统的参数辨识准确度高;人工智能方法原理简单,对激励信号没有特殊要求,能辨识非线性系统,可以直接得到实际参数,但它也没有滤波功能,而且对系统的先验知识要求较高,这些先验知识制约着用遗传算法辨识系统参数的精度。3种辨识方法没有绝对的最优,可根据不同情况选用不同方法,必要时3种方法可结合使用。     

基于故障数据的线路分布参数时域辨识方法

针对目前基于故障数据的频域辨识方法难以精确辨识线路分布参数的问题,基于线路分布参数时域模型,提出了一种更精确的分布参数辨识方法。该方法利用线路两端采集的故障电压电流信号,在时域内通过最小二乘搜索法辨识得到线路参数,避免了频域法向量转换导致的误差。并采用瞬时对称分量法提取序分量,实现时域内分别对正序和零序参数的辨识;采用LOWESS方法平滑故障信号中的噪声,以提高算法的抗干扰性。仿真算例的结果表明,所提出的方法能够准确辨识线路的分布参数,并且对各种故障条件均具有良好的适应性。     

模型参数不确定性对电力系统时域仿真的影响

由于模型参数的近似处理和量测误差的存在,电力系统仿真模型参数的数值具有不确定性。采用蒙特卡罗方法来分析这些不确定性对电力系统仿真计算结果的影响。主要分析了经典模型下发电机的原动机输入机械功率、发电机的转子惯性常数以及仿真计算的初值的不确定性对时域仿真结果的影响。利用新英格兰10机39节点算例的计算结果分析总结了不同参数的不确定性对时域仿真的影响,也证明了采用蒙特卡罗方法研究电力系统仿真不确定性问题的可行性。     

领域对抗与分类差异的变工况球磨机负荷识别

在变工况球磨机负荷识别过程中,针对域适应方法在源域和目标域的特征迁移中没有考虑目标域样本而导致域适应效果不好的问题,本文提出一种基于领域对抗与分类差异的域适应方法。该方法使用域对抗训练方式实现源域和目标域之间的特征的对齐;同时,引入两个分类器用于检测远离目标域中的样本,利用最大化和最小化分类器之间的不一致性,实现目标域和源域特征的自适应匹配,达到更好的域适应效果。为了验证训练分类器误差的方法能够考虑类内边界提高目标域上的负荷识别准确率,设计了迁移实验分析其差异损失函数对模型迁移性能的影响,实验表明,当分类器损失值大于0.02时预测模型的准确率会下降0.8%～1.2%,且较未引入分类器差异损失模型的负荷精度高,可达到95.78%。通过与两类经典的迁移方法进行对比,验证了该方法在变工况下磨机负荷识别应用中的优势。