多馈入直流功率调制换相失败特性研究

多馈入高压直流输电系统中,直流功率调制可以起到多回输电通道间功率支援和阻尼振荡的作用,但功率调制过程中,幅度与上升时间控制不当会引起逆变站换相失败。给出了引起换相失败的直流功率调制临界指标,理论推导熄弧角、受端交流系统强度、系统的控制方式对该临界指标的影响,并仿真验证上述三个因素对直流功率调制的影响。基于多馈入高压直流输电系统,分析并验证直流功率调制造成的换相失败不会引发多馈入直流间同时换相失败。所作研究及成果为多馈入直流输电系统中直流功率调制和换相失败的研究提供参考。     

多馈入高压直流输电系统中的换相失败浅析

通过对直流输电系统换相失败产生的机理分析,介绍了各种影响因素及其灵敏度.影响多馈入直流输电系统换相失败的因素更为复杂,大量的仿真结果表明:提高其中非故障子系统的短路比可以用来改善系统的换相过程,并介绍了抑制换相失败发生的一些具体措施.     

基于改进换相面积的直流输电换相失败判别方法

对换相电压时间面积判据进行了改进,在判断换相失败时考虑到直流电流的波动,得到改进换相面积判据,该判据的推导过程更接近工程实际。在仿真软件PSCAD/EMTDC下搭建了±800 kV传统直流输电仿真系统LCC-HVDC。分别采用改进前后的换相面积作为换相失败的判据,搭建了换相失败的判断程序并用于判断LCC-HVDC仿真系统中由于交流侧故障导致的换相失败。仿真结果表明,改进换相面积判据可以更加准确地判断换相失败。最后,根据仿真结果,进一步分析了故障时刻对换相失败的影响。     

银东直流逆变站换相失败分析及措施

换相失败是直流输电常见故障,它会导致直流电压降低、换流阀寿命缩短等问题。本文在电磁暂态仿真软件PSCAD中建立了山东电网银东直流输电系统模型,分析了山东电网故障对银东直流输电系统的影响,并讨论了预防换相失败的措施。     

考虑同步调相机无功特性的多馈入直流同时换相失败风险评估方法

针对加装同步调相机后多馈入直流输电系统同时换相失败问题,提出一种考虑同步调相机无功电压特性的风险评估方法。分析同步调相机、直流系统和静态无功补偿装置的无功电压特性,并推导出多馈入交互因子(multi-infeed interaction factor, MIIF)计算公式。根据换相失败本质定义换相失败评估因子(commutation failure estimate factor, CFEF),并基于CFEF提出含同步调相机的多馈入直流系统同时换相失败风险评估方法。以山东电网为例进行验证,结果表明所提方法能够准确、有效评估多馈入直流输电系统同时换相失败,并且在直流输电系统前期规划、保证交直流系统安全稳定运行等方面具有重要价值。     

联于弱交流系统的HVDC换相失败研究

高压直流输电(HVDC)系统逆变侧换流器处交流系统的强度直接影响HVDC系统的动态性能,换相失败是HVDC系统最常见的故障之一.通过分析逆变器换相失败的机理,归纳了联于弱交流系统的HVDC换相失败的各种影响因素,包括直流电流、换相电抗、换相电压、越前触发角,受端系统不对称等.利用Matlab的Simulink对交直流系统模型的动态特性及换相失败进行了仿真.     

双极直流输电线路暂态高频小波能量保护

随着高压直流输电的推广,针对直流系统的保护配置也在不断改进。直流线路作为直流输电系统的核心元件,其保护配置一直是研究重点。本文利用小波变换提取故障暂态时电压高频信号,通过检测电压高频信号小波能量突变量的大小及比较正负极小波能量的大小,提出一种直流输电线路的全线速动保护新方法。该方法原理简单、动作迅速、耐过渡电阻能力强。利用PSCAD搭建仿真模型,对各种类型故障进行仿真,结果表明,该保护具有绝对的选择性,能有效可靠保护直流线路全长。     

小波变换在路用雷达信号处理中的应用

脉冲探地雷达回波信号是典型的非平稳、非线性信号 ,采样信号中不可避免地带有各种噪声 ,需进行适当处理 .小波变换时频局域性好 ,是分析非平稳信号的有效工具之一 .系统地阐述了小波变换的基本理论 ,并采用Mallat算法、小波包算法对雷达检测路面厚度的实测信号进行分析处理 ,然后进行路面层厚度计算 ,最后将计算结果与实际厚度相比较 .对比结果说明了小波分析应用于路用探地雷达回波信号处理的有效性 .     

UHVDC换相失败对差动保护的影响及解决方法

交直流混联系统中,交流系统发生故障时导致直流系统侧发生换相失败,交流侧在故障工况下的电气特征发生较大差异,使得交流输电线路差动保护的动作量和制动量均受到影响,可导致保护的误动作.通过分析换相失败时直流侧电流馈入交流系统引发的电流相角差差异较大这一故障特征,提出一种改进的差动保护新算法.通过故障分析和PSCAD/EMTDC仿真验证,改进的差动保护在各种故障情况下均能正确动作.     

基于临界熄弧角的多馈入直流系统换相失败判断方法

从换相失败的基本原理出发,通过对换流阀工作特性的分析和电磁暂态仿真证明基于临界故障阻抗边界的概念,提出了一种以最小熄弧角为判据快速判断直流系统换相失败的方法。基于节点阻抗矩阵,利用节点电压交互作用因子,计算系统中各节点发生三相短路接地时逆变站熄弧角,以临界熄弧角为判据判断直流系统是否发生换相失败。本文最后利用PSS/E仿真软件,在两馈入直流输电系统中验证了所提出的基于临界熄弧角的多馈入直流系统换相失败判断方法的有效性和准确性。     

基于PSO—WNN的无刷直流电机转子位置检测方法

通过分析无刷直流电机间接位置检测原理,提出了一种新的方法来检测转子位置．该方法首先推导出转子位置可以通过以相磁通和相电流来决定,结合小波函数多尺度多分辨率的优点以及神经网络的非线性求解特点,通过构建小波神经网络模型,并采用粒子群算法来训练网络参数而得出转角位置．仿真结果表明该模型能有效地控制电机换相．     

基于最佳小波包基的边海防声目标识别

针对于将声音识别技术应用于边海防目标的识别,提出了一种新的基于最佳小波包基的特征提取方法。具体方法是首先根据边海防声音信号的频率分布特征,对这些信号进行有选择地多尺度小波包分解,获取最佳小波包树,然后将相应的最佳小波包基的能量值归一化后作为特征向量,再将这些特征向量输入BP神经网络训练,用训练好的神经网络对边海防声音信号进行识别。仿真结果表明:在噪声条件下,利用此特征提取方法,识别率达到94%,比基于小波包分解的特征提取方法的识别率高出6个百分点。     

损伤声发射信号小波包神经网络特征识别方法

在材料损伤的检测和评价时,为了在大量接收信号中识别有效声发射信号,提出了一种基于小波包特征提取的损伤声信号神经网络识别方法,首先利用小波包全局分解的优势,准确提取非平稳信号的特征信息,建立相应特征向量,对有效声发射信号和干扰噪声信号进行表征;然后根据特征向量和识别输出要求,建立了3层结构的反向传播神经网络对信号进行分析和识别,滤除噪声信号,保留有效声发射信号;最后,在玻璃钢复合材料的声发射实验中,采集了400组信号对该方法进行验证,准确性达到97.5%,能够满足工程需要.     

基于小波包能量熵的低压串联故障电弧诊断

为了实现低压串联故障电弧的有效诊断,基于ULI699标准搭建了交流电压为220V、频率为50Hz的串联故障电弧实验平台,并对不同负载回路正常工作电流以及串联故障电弧电流进行数据采集,提出基于小波包能量熵的低压串联故障电弧诊断方法.通过对电流信号进行4层小波包分解,提取小波包能量熵作为特征向量描述故障电弧电流信号在不同频段的能量分布.采用主元分析（PCA）法提取特征向量的主元作为BP神经网络的输入,实现样本最优压缩以简化神经网络结构.仿真结果表明,该方法故障诊断准确率较高,能够有效地识别串联故障电弧.     

基于NNE技术的手臂运动模式识别算法研究

本文将神经网络集成(Neural network ensemble,NNE)算法应用于人体手臂运动模式识别领域中,通过对手臂不同运动模式下的表面肌电信号(sEMG)的采集、分析与处理,识别出与其对应的手臂运动模式。主要利用小波包分解(WPD)算法提取表面肌电信号的时-频特征向量,利用集成神经网络对表面肌电信号特征向量进行模式识别;神经网络集成模型由Bagging算法生成,参与集成的个体神经网络均为BP神经网络,集成神经网络的输出由单个神经网络的输出通过相对多数投票法产生。最后,对手臂4个不同运动模式下的表面肌电信号进行了模式识别实验。实验结果表明,与个体神经网络相比,集成神经网络可以显著地提高手臂动作的识别率,证明了将神经网络集成技术用于手臂运动模式识别的有效性和可行性。     

基于小波神经网络的调制信号识别方法

为了克服神经网络识别类别较多时构建网络复杂、训练速度低的缺点,提出了一种小波变换和阵列式RBF网络结合的方法实现无线通信信号调制类别检测.利用小波变换对常用3种模拟信号和6种数字信号进行多层分解和特征提取,然后利用特征参数通过阵列式RBF网络进行信号调制类别检测.仿真结果表明,小波分析和阵列式神经网络相结合的设计,使无线通信信号调制类型的检测系统在信噪比为-10 dB达到平均辨识率90％以上的性能,同时提高了多类别情况下的检测率.     

子波神经网络在故障诊断中的应用研究

根据旋转机械常见的的故障类型和故障信号时域采样数据 ,以子波空间作为模式识别的特征空间 ,采用信息熵为代价函数的神经网络学习算法 ,由子波神经网络对故障进行学习和诊断 .实验结果表明 ,子波神经网络的故障诊断方法在不了解故障信号频率结构的情况下 ,即可对平稳和非平稳故障信号进行诊断 ,适于设备在线监测及设备的巡检     

小波神经网络的无刷直流电机转子位置检测方法

位置检测与换相准确与否,对无刷直流电机的运行有非常关键的影响.在分析反电动势过零检测原理的基础上得出线反电动势过零点与电机换相点及线反电动势与线电压之间的关系,从而得到线电压与转子位置之间的关系.由于电机运行过程中的参数变化及系统的非线性特征,直接通过线电压准确获得转子位置比较困难,因此构建了一个以三个线电压为输入,转子电角度为输出的自适应小波神经网络模型,并采用遗传算法优化小波神经网络结构。仿真实验证明,该方法辨识转子位置精度高,自适应性强,并能有效地控制电机换向.     

基于小波和ANN的电能质量分类方法

为了对电能质量进行有效的治理,以提高用电效率,有必要对电能质量进行快速的检测和准确的分类.基于小波的时频分析特点和人工神经网络(ANN)的学习能力,提出一种电能质量实用分类方法.利用正交小波对信号进行多分辨率分析,将一定时间长度内的信号的能量映射到多个频段内,通过与标准正弦信号各频段能量的比较,提取各类电能质量的能量变化特征;利用ANN对输入特征矢量进行识别,完成电能质量的自动分类.仿真实验证明,该方法可以有效地区分电压的上升、下降、闪变以及谐波畸变、暂态等5种电能质量问题.     

转子叶片裂纹故障特征提取研究

小波包分解能对信号高、低频部分局部进行细化并具有保留原信号时域特征的优点，是一种对非平稳信号进行有效识别的技术．文中从采集到的有叶片裂纹时的振动信号，用德比契斯小波对包含叶片裂纹故障的振动信号作4尺度小波包分解，通过选取适当的频段用小波包重构算法进行信号重构，提取叶片裂纹故障的特征，从而实现转子叶片裂纹故障诊断．