井下油水两相流测量系统恒流信号激励源设计

为进行井下油水两相流的流动参数测量及流型辨识,本文设计了基于纵向多极阵列电导式传感器的测量系统。信号激励模块是其中重要的一环,为了由采集的电导波动信号更好地获取油水两相流体在不同流型的阻抗信息,并基于此进行深入研究,本文采用的是电流激励方式。应用DDS和MCU技术,实现了20 kHz正弦恒流信号源的设计。测试结果表明由AVR高档单片机ATmegal6和AD9831构成的VCCS正弦恒流模块具有实时性好,精度高及稳定性好,负载驱动能力强等特点,满足井下复杂两相流体的测量要求。     

1kW光伏并网逆变器的设计

介绍了1kW并网逆变器的设计。详细地介绍了逆变器的基本设计和关键技术,以及并网电流的控制策略。并且完成试验装置,验证了逆变器的稳定性和控制策略的可靠性。     

蓄电池充放电装置用三相PWM整流器的研究

研制了一种集充电、放电功能于一体的蓄电池充放电装置,主要对三相电压型PWM整流器的硬件构成及控制策略进行分析研究,控制系统核心基于数字处理芯片TMS320F2812。实验结果表明,与传统的整流器相比,该整流器能够很好地改善网侧电流波形,抑制谐波,提高系统动静态性能。     

用有限元分析交联聚乙烯电缆中水树成长行为的研究

水树是电缆主绝缘的主要劣化现象之一,严重影响电缆的使用寿命。正确评价长有水树的材料的电场分布,对于理解水树的生长机理以及水树引起的介质击穿是非常重要的。采用具有不同物理化学性能的热老化XLPE电缆绝缘和与外加电场梯度方向成一定角度的非常规的水针电极结构进行水树枝加速老化实验,用有限元方法对水树加速老化实验中采用的结构模型进行数值电场分析,研究了水树尖端处电场增强对水树枝老化发展的影响。     

有限元法与田口方法相结合模拟研究交联聚乙烯电缆绝缘中的水树现象

聚合物中水树的引发与生长不仅与多个内部、外部参数有直接的关系,还与这些参数之间的协同作用有关。在研究水树生长的过程中,采用统计方法是非常必要的,这些统计方法首先要包括可靠的重要变量,还要能够对大量的试验结果进行合理的解释。运用田口方法和有限元法相结合的模拟方法可以在短时间内找到诱发水树的原因,还可以表征水树的危险性并采取适当的方法加以抑制其生长。数值分析及水树培养试验结果显示,水树内部的介电常数及介电常数分布是影响水树诱发的主要原因,而水树本身的几何尺寸的作用则相对次要。     

γ辐照交联聚乙烯绝缘电缆水树行为的研究

核电站的控制系统等需要大量的电线电缆,这些电缆的耐辐射性能至关重要。高能辐射对固态聚合物有多种作用,包括引发交联以及链裂解等。水树是影响交联聚乙烯电缆,特别是中低压电缆使用寿命的重要因素。本文研究了γ辐射对交联聚乙烯电缆绝缘水树行为的影响。结果显示,在0~3000 kGy辐照剂量之内,水树的长度与密度随着辐照剂量的增加而增加。     

风力发电并网变流器直接功率控制研究

针对风力发电并网变流器,研究了一种新的控制策略直接功率控制。该控制策略检测并网的电压与电流,计算出瞬时的有功与无功功率,与给定的有功与无功功率进行比较,根据并网电压矢量所在的扇区,按开关表给出开关管的控制信号。通过直接对系统的有功与无功进行控制,并网变流器能方便地实现以单位功率因数向电网馈送能量。对该控制策略进行了详细介绍,仿真了并网条件下的工作状况,验证了该控制策略的可行性。     

直驱永磁同步风电机组的建模与仿真分析

根据风力机运行特性及最大风能跟踪原理,基于PSCAD/EMTDC设计了一套由永磁式同步电机与AC-DC-AC脉宽调制（PWM）变流器组成的风电机组软件仿真平台。文中建立了机组各部分模型,并介绍了具体功能的实现。整流侧控制定子 q轴电流调节电磁转矩,实现最大风能跟踪;逆变侧实现了对有功、无功的独立控制。通过仿真风电机组在电网低压及不平衡故障下的工作特性,给出了电网异常状况下机组持续运行能力对变流器装置的要求。仿真结果表明,该风电机组不但可以优化风能吸收特性,而且具有良好的低电压穿越特性,在电网不平衡故障下可     

基于量子加权多层级GRU神经网络的综合能源 系统多元负荷短期预测

针对综合能源系统多元负荷短期预测问题,提出一种基于量子加权多层级GRU(quantum weighted multi hierarchy gated recurrent unit, QWMHGRU)神经网络的多元负荷短期预测模型。采用最大信息系数对多元负荷间和负荷与天气因素间的相关性进行分析,选取模型输入量。然后改进GRU的门控结构,形成多层级门控循环单元(multi hierarchy gated recurrent unit, MHGRU),并将量子加权神经元引入MHGRU,构成QWMHGRU多变量负荷预测模型。仿真算例结果表明,QWMHGRU多元负荷预测模型在夏季和冬季的权重平均精度均可达97%以上,相比MHGRU、QWGRU和GRU模型具有更高的预测精度。