基于P2P的电力潮流的冗余计算模式

阐述了P2P的网络计算模式的优点,计算模式采取灵活的对等式和动态交互式调度管理。针对潮流计算的特点,提出了基于P2P的冗余计算模式,这种冗余计算实现形式虽然也是对同一个问题进行计算,但不是进行同样的处理,而是对不同的划分方案采取主方案和辅助方案的方式同时进行计算,可以提高计算准确性,还可起到容错性效果。算例的计算结果表明了这种计算模式的有效性。     

基于多绕组变压器隔离型变换器的链式STATCOM研究

提出了一种新的STATCOM主电路拓扑结构,它由N个级联的多绕组变压器隔离型变换器构成,每个多绕组变压器隔离型变换器由1个多绕组变压器和M个变换器构成,每个多绕组变压器的M个副边绕组与M个变换器相连,M×N个变换器公用一个电容。所提结构由于同时避免了单个器件的串联和并联,从而有效地提高了装置的可靠性;采用载波移相的SPWM调制策略可同时优化输出电压和输出电流的谐波性能。所采用的多绕组变压器的副边绕组之间不需要错相位,错相位由变换器的控制器完成。给出了一种恒无功运行模式下的解耦控制方案。基于Matlab/Simulink的仿真结果证明了所提结构的良好性能和所提控制策略的有效性。     

基于网络分割的电力系统潮流分解协调计算

因现有计算模式的速度已无法满足现代大规模电力系统实时计算的要求,故引入对等计算(P2P)模式以提供低廉而充足的计算力。为此研究了网络计算环境下的电力系统潮流计算模型,结合基于支路切割的网络分割方法和基于注入电流的潮流模型,提出了基于网络分割的电力系统潮流分解协调算法,将大规模互联电力系统分解成若干子网络,子网络间只需交换边界母线的电压状态就可完成分布式潮流计算,保证各个子网络潮流计算模型的独立性。对IEEE标准系统进行潮流计算的结果表明该法具有较高的收敛速度和计算精度,适合网络计算环境。     

基于数字信号处理器的自适应励磁控制器

提出一种以数字信号处理器(DSP)为工作平台的自适应最优励磁控制器(AOEC)。AOEC充分利用了DSP强大的计算处理能力,可以对发电机控制过程进行实时辨识,并将辨识参数代入离散的Riccati方程实时求解最优反馈增益,以得到最优控制输出。理论上,该控制器能够保证被控对象始终保持最优性能。单机无穷大系统的动模实验表明,AOEC具有良好的控制性能,在暂态过程中能够为系统提供足够的阻尼。同时讨论了自适应算法实用化过程中对辨识算法的一些改进措施。     

便携式结构监测电致传感数据采集系统设计

应用TMS320LF2407 DSP与USB接口芯片PDIUSBD12进行硬件设计及软件编写，系统软件主要包括：USB固件程序，基于WDM的USB驱动程序，主机控制程序．文中着重阐明了软件设计经应用表明：系统运行状况稳定．操作方便，各项技术指标达到了要求，     

陡脉冲大电流的Rogowski测量线圈仿真研究

分析测量不同脉冲宽度电流的 Rogowski测量线圈的数学模型、时域和频域特性以及最佳阻尼参数配合和优选问题并比较了基于 MATL AB环境下 SIMU L INK工具所做的仿真结果和现场实验采集到的脉冲电流波形。提出了复合积分器电路模型 ,可用于优选 Rogowski线圈的电气和结构参数 ,有效抑制积分漂移 ,确保准确可靠     

电力系统动态仿真的新模型

针对同步发电机３阶、５阶以及４阶、６阶模型引入新的状态变量，导出电力系统动态仿真的新模型，在采用了摄动方法进行仿真计算时，整个过程没有迭代和矩阵三角分解运算，大大提高了计算速度，文中详细推导了该新模型，并给出了仿真结果，也分析了负荷模型在新算法中的处理。     

基于锯齿波的载波移相脉冲宽度调制技术

传统方法为了产生多电平电压,往往需要每个H桥单元都有一个独立对应的半周期对称三角载波,且不同载波之间有一个固定的移相角度。而对基于锯齿波的载波移相技术研究的较少。为此,提出了一种基于锯齿波的载波移相脉冲宽度调制(pulse width modulation,PWM)技术。与传统方法相比,在该方法中,所有功率单元都使用同一个载波作为时间参考,并使用非对称PWM发生器来产生传统的对称的载波移相PWM波形。采用数字信号处理器(digital signal processor,DSP)芯片TMS320F2812对一个5单元11电平进行载波移相试验,采用所提的锯齿载波移相PWM技术实现方法,仅通过事件管理器就可以对5单元变换器提供开关脉冲。试验结果验证了所提方法的正确性和有效性。     

多机电力系统神经网络最优励磁控制器

针对多机电力系统，提出了一种基于辨识的神经网络实时最优控制器(NNOEC)，在所设计的控制器中，神经网络被用来根据系统状态量的变化实时调整最优控制的反馈增益矩阵，使控制器能够适应不同的运行点和干扰种类。并始终提供最优控制输出。针对多机系统中神经网络训练样本不易获得的问题，提出了一种等效的设计方法，并采用非线性最小二乘辨识法对系统参数进行辨识，在辨识的基础上通过线性最优控制理论计算出用于神经网络训练的样本。三机系统中的数字仿真结果表明，所训练出的NNOEC能够适应系统运行方式的大范围变化，在大小扰动下均表现出良好的控制性能。