调节阀线性补偿装置的设计

1调节间实际中存在的问题1．1调节间流量特性定又调节间的流量特性是指流过阀门的相对流量与问芯相对行程的关系。即：Q／Qmax（L／Lmax）式中，Q／Qmax为相对流量，即调节间在某一开度下的流量Q与全行程Lmax之比，L／Lmax为相对开度，即调节间在某一开度下的问芯行程L与全行程Lmax之比。1．2理想流量特性一般说来，改变调节间的阀芯与网座间的节流面积便可以调节流量。但实际上节流面积改变的同时还发生间前后压差的变化，这种变化会引起流量的变化。在研究同特性时，总是先假定问前后压差恒定，即凸P为常数，这样，我们可得到调节间…     

新型内嵌式地线融冰电流计算

针对湖南电网研发的新型内嵌式地线地线新型直流融冰技术,提出地线直流融冰的所涉及的两个重要的参数(临界融冰电流和最大融冰电流)概念和计算方法。基于有限元法,以 GJ-70电线为模型,建立3D热-电耦合仿真模型,仿真得出不同气候、温度条件下的临界融冰电流,以及地线正常运行所允许的最大电流,与试验人员得出的实验数据进行对比,进一步验证这种融冰技术的优越性,并为运行人员有效的融冰电流范围提供了参考依据。     

双BUCK光伏逆变器的定频滞环电流控制研究

针对桥式电路中存在的直通问题、续流二极管的性能差所带来的功率损耗问题,提出一种双BUCK结构的逆变电路,利用定频滞环电流控制的方法,控制功率开关管的关断。通过MATLAB/SIMULINK对单相并网和三相并网仿真试验得到,双BUCK逆变电路能够实现高开关频率和系统效率,稳态和瞬态性能比传统的桥式逆变电路都有明显的改善,从而使整个光伏逆变系统更具有应用潜力。     

粉煤灰在高性能混凝土中的应用

高性能混凝土具有良好的使用性能，但同时也存在着早期收缩开裂等缺点。将粉煤灰掺入到高性能混凝土中，能改善混凝土的抗裂性能，提高了混凝土的强度，同时对高性能混凝土的耐久性能也有很大的影响。     

基于模糊逻辑关断角补偿的开关磁阻电动机控制系统研究

针对开关磁阻电动机(SRM)转矩脉动大的问题,采用模糊控制器对开关磁阻电动机的关断角进行实时补偿,实现SRM关断角自动调节,从而达到减小转矩脉动的目的。采用Matlab/simulink仿真软件,构建SRM控制系统的仿真模型,进行仿真实验。     

改进矩阵变换器在输入电压非正常情况下的调制策略

针对常规空间矢量调制法不能抑制非对称、畸变等非正常输入电压对矩阵变换器输出所产生的影响,对矩阵变换器空间矢量调制策略进行改进,提出了一种非正常输入电压表示方法以及抗扰分量的概念,通过在整流调制矢量中引入抗扰分量来提高矩阵变换器的输出波形质量．该方法不仅能够对各种非正常输入电压引起的输出谐波进行有效抑制,而且简单,易实现,仿真结果验证了所提出方法的正确性。     

基于电力系统线路信道的数据帧同步技术

在基于电力线路网络的通信系统开发中，提出了一种有效的数据帧同步的技术解决方案：通过对整个电力线信道进行一定数量的子信道划分，使每两个相邻子信道的频率特性接近相同；对相邻子信道的相角差进行分解，分别计算出整数个样点偏差和小数个样点偏差；设计出接收数据帧的同步协调解决机制，整数个样点偏差通过数据帧的样点移位进行纠正，小数个样点偏差通过各子信道的均衡系数旋转进行校正。实验证明，该技术方案对电力线通信时钟的抖动、数据帧的样点偏移和相角偏移等干扰都有快速的调整及抑制作用，使系统能够稳定运行并维持较高的性能指标。     

开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制

提出一种基于有限元模型的开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制的新方法。自适应模糊神经网络系统以相绕组的电流和磁链为输入,以转子位置角度为输出,从而建立起电流、磁链和转子位置角度的非线性映射关系。网络训练的样本数据来自于有限元模型分析,它具有足够的精度,且不需要测量仪器和线路布置,不受环境干扰因素影响,能够大幅减少试验成本,缩短试验周期。仿真和实验结果表明,由自适应模糊神经网络获得的角度信号和由位置传感器获得的角度信号相比误差较小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好。     

改进自适应MOEA/D算法的楼宇负荷优化调度

针对负荷侧用户用电电费、新能源消纳率和用电峰谷差等问题,提出了一种改进的自适应基于分解的多目标进化算法,进行楼宇微电网签约住户可控负荷优化调度;通过分析负荷的用电特性,将用电负荷分为五类并分类建立数学模型、优化目标函数和约束条件;将广义分解与均匀分配相结合产生新的自适应权重向量使算法非支配解更接近真实帕累托前沿;采用历...     

多时序协同中期负荷预测模型

针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memory)网络的多时序协同中期负荷预测ARIMA-LSTM模型。该模型考虑了季节、温度和节假日的影响,采用ARIMA提取负荷序列内部因素,用Adam算法优化ARIMA-LSTM模型的网络参数。最后将某地区实际负荷数据用于该模型,并与神经网络NN(neural network)模型和LSTM进行对比,其均方根误差分别降低了7.698%和2.154%,验证了该模型具有更高的预测精度。