电动汽车无线充电系统的建模与分析

由2个空心耦合电感构建的电动汽车无线充电系统进行建模,并且进行了模型分析,研究了影响系统效率和传输功率的参数,推导了输出功率、效率和阻抗的方程。利用空心耦合电感的漏感补偿技术对模型进行优化,该系统由2个空心线圈与谐振电容串联而成,且设置线圈尺寸明显大于线圈之间的距离。甚至在错位的情况下,也能提供一个恰当的耦合系数。该配置允许电动汽车的充电接收装置与电能发送装置间距等于一个典型车辆间隙,且无需精确定位,这使得无线电动汽车充电更加便利。理论分析已通过仿真实验验证。     

变速恒频风力发电机组的建模与仿真

通过机理建模法对变速恒频风力发电机组进行建模,建立了其风速、风轮气动、传动系统以及发电机的数学模型,在Matlab/Simulink环境中搭建了各个环节的模型,并针对低于额定风速时的转速控制和高于额定风速时的功率控制,采用PID控制方法对所构建的模型进行仿真控制,实现低风速和高风速时的控制目标,仿真结果验证了所构建模型的正确性和可行性.     

梯级水电站大坝巡检系统信息组织方法

水电站大坝巡检具有全面、直观和及时等特点,是传统在线监测系统所不能代替的.然而传、统的手工巡检记录方式很难满足后续诊断分析的要求,因此,利用最新的信息技术开发大坝巡检系统非常必要.文中针对大坝巡检系统开发中信息组织方法进行研究,以便使开发的大坝巡检系统具有良好的自适应性和扩展性.     

模糊自校正控制器在水轮机调速系统中的应用

研究采用模糊自校正控制器来改善水轮机调速系统的性能，提出了用粗调和微调相结合的方法来调整模糊控制器的量化因子。仿真实验表明，该控制器与常规PID控制器相比具有超调量小、速动性好的特点。     

基于本体的电厂维护领域知识表达方法研究

状态检修是一个系统工程,涉及到维护过程的各个阶段。针对电厂维护领域在知识表示、信息组织等方面存在的问题,将知识工程中广泛应用的本体技术引入电厂维护领域的概念建模中。通过对维护领域知识的分析,提出了基于本体电厂维护知识表达S-B-F-P模型,建立了维护领域本体知识的分类方法,规范了领域知识的描述,使知识的重用、共享和交互成为可能,为提高群体协同维护决策提出了一种行之有效的解决方案。     

励磁功率单元模型参考故障诊断方法

介绍了模型参考故障诊断的基本原理。考虑到同步发电机励磁系统功率 单元的非线性特性，为了提高模型的准确性和可观测性，采用分布式物理图网建模方法建立 励磁功率单元系统模型。阐述了模型参考诊断方法在励磁系统功率单元的具体应用。仿真结 果表明，该方法能够有效地诊断同步发电机励磁系统功率单元的主要故障。     

1000kV特高压交流电晕笼淋雨控制系统

为了满足1 000 kV特高压交流电晕笼的特高压试验要求,介绍了特高压电晕笼的淋雨装置基本原理和结构,对特高压电晕笼的变频器雨量控制系统的设计进行了详细的描述,并基于ModBus通讯协议开发了雨量控制软件,实现了淋雨装置不同雨量的自如模拟,为开展特高压交流线路电晕试验提供了试验条件.     

面向状态检修的便携式设备巡检系统

为满足水电厂状态检修的需要,防止巡检工作疏漏和提高设备巡检数据利用率,开发了一种用条码标识电力设备、用便携式数据采集仪采集其参数以及用数据库的方式来管理巡检参数的电力设备巡检系统.该系统可接入监控系统或MIS,通过Web查询和发布巡检信息,并分析设备运行趋势,查看任意两参数间的关系曲线,供运行和管理人员决策参考,以便及早发现设备缺陷,确保电力设备运行安全.该系统的应用,不仅可以减少巡检工作量,还可有效提高巡检到位率,从而减少因巡检疏漏所引发的故障,对提高水电厂巡检效率以及设备的安全运行具有现实意义.     

适用于水电机组的改进滑模控制策略研究

近年来,随着风、光等可再生能源在能源供应中的比例日益增加,其间歇性和难以预测性使电网的稳定性面临更多挑战。水电机组是电网中具有重要调节作用的机组,其调速器广泛采用传统的比例-积分-微分（PID）控制。然而,PID控制对机组复杂工况的适应性较差,作为重要的鲁棒控制策略,滑模控制在实现水电机组优化运行方面具有巨大潜力。因此,为实现滑模控制在水电机组中的应用,本文将滑模控制引入水轮机调节系统,分析“假稳定”现象的原因并提出改进的滑模控制器。同时,基于自适应模糊粒子群算法（AFPSO）和时间乘误差绝对值积分（ITAE）指标,对改进滑模控制器的参数进行优化。通过仿真证明了所提出的滑模控制策略的有效性。     

基于EEMD近似熵的水电机组振动信号特征提取

对于水电机组非平稳非线性振动信号特征提取方法的研究近年来一直是水电机组故障诊断领域研究热点,特征提取的有效性直接关系到故障诊断的准确性。本文提出基于集合经验模态分解（EEMD）和近似熵的水电机组振动信号特征提取方法,将信号经EEMD分解后筛选得到的本征模态分量（IMF）近似熵特征值输入概率神经网络（PNN）进行模式识别。采用经验模态分解（EMD）和近似熵特征提取方法进行对比实验。识别结果表明：采用EEMD和近似熵的特征提取方法,能有效区分机组不同的运行状态,可为实际工程应用提供理论依据。