课程文献中心 更多>>

关键词： TPFC二自由度控制   负载电流前馈控制   输出电压反馈补偿控制  

摘要： TPFC一般采用一自由度输出电压控制,在负载变化时输出电压动态特性较差,且启动过程存在明显超调。本文在推导TPFC双闭环控制结构基础上,引用了负载电流前馈控制和输出电压反馈补偿控制,构成两种二自由度(2DOF)控制结构。仿真分析表明,负载电流前馈型2DOF控制可以有效抑制负载变化引起的输出电压波动,但启动过程超调明显;输出电压反馈补偿型2DOF控制可以实现输出电压无超调启动,但是抑制负载变化的能力较差;综合负载电流前馈型和输出电压反馈补偿型的2DOF控制获得满意的输出电压控制效果,表现为启动过程无超调和变载过程无波动。

关键词： 激光器   高次谐波   极紫外激光   13.5 nm光源   软X射线   飞秒激光  

摘要： 开发了由高重复频率(3 kHz)高能量(3 mJ)钛蓝宝石激光器驱动的极紫外和软X射线高次谐波激光光源。该光源系统在30 nm(光子能量为~45 eV)波长附近实现了大于120μW的平均功率,在13.46 nm波长(光子能量为~92 eV)处实现了1.9μW的平均功率,其中在13.46 nm波长处带宽为0.124 nm的单个谐波实现了0.32μW的平均功率。此外,在该系统中,激光功率连续12 h的不稳定性均方根小于5%,连续8 h光束指向均方根小于10μrad。该系统在生物成像、干涉光刻和芯片检测等领域中具有重要应用。

关键词： 功率器件   结温在线监测   热网络模型   温敏参数  

摘要： 功率器件结温在线监测对牵引变流器安全可靠运行至关重要,准确的结温监测是牵引变流器失效分析、运行状态监测、健康管理和剩余服役寿命预测的基础。因此,面向功率器件结温在线监测开展了大量研究。在此基础上,概述了以热网络模型法和温敏参数法为主的功率器件结温在线监测方法,以此为分类基准梳理了现有功率器件的结温监测方法并讨论了在牵引变流器中在线实现的可能,详细介绍了功率器件结温监测方法针对在线应用及客观因素干扰的发展与改进。最后,总结并对比了现有功率器件结温在线监测方法的演变、联系与差异,在分析现有结温监测方法面临挑战的基础上,展望功率器件结温在线监测在人工智能技术辅助下的前景。

关键词： 介质滤波器   交叉耦合   带外抑制   可靠性  

摘要： 根据椭圆函数响应,采用相对介电常数为37的高品质因数微波介质材料,该文设计了一种低损耗、连体式四级介质滤波器。通过1-4谐振器之间使用级联四元组(CQ)电容加载耦合,经优化后滤波器中心频率为1268 MHz,工作带宽为25 MHz,插入损耗≤2.5 dB,回波损耗≥18 dB,近端带外抑制≥40 dB。根据仿真模型结构参数,优化成型和金属化工艺,制备得到的样品,通过可靠性环境试验表明,该滤波器的性能测试结果与仿真结果吻合良好。

关键词： 家用大功率负荷   家庭能量管理系统   精细化建模   电热水器   空调系统   电动汽车  

摘要： 该文基于家用负荷的物理模型、用户的使用习惯和用户的舒适度要求,提出了家用大功率负荷的精细化建模方法,该方法可应用于家庭能量管理系统,具有良好的应用前景。首先,建立考虑电热水器负荷的精细化热力学动态模型,考虑气温、墙体等因素的空调房间的精细化热力学动态模型和电动汽车负荷的精细化储能模型;然后,建立这三种负荷的精细化控制模型,通过自定义家庭算例将不同个性化的精细化参数模型对比分析。MATLAB仿真结果表明,该文建立的精细化动态模型能够准确描述用户的用电规律,对用户积极参与到电力系统需求响应中去起到促进作用。

关键词： 电池储能系统   峰谷套利   调频   动态规划   动态功率分配  

摘要： 用户侧电池储能系统(BESS)在维持新能源高渗透电网电力电量平衡中扮演着重要角色,其面向峰谷套利和调频的复用模式受到了广泛关注。但该模式下,BESS调度面临峰谷套利价格时变性和调频需求随机性的双重挑战。为更好地利用BESS资源,以最大化用户侧BESS日内收益为目标,提出了基于功率动态分配与容量短期补偿的用户侧BESS复用策略,并形成以套利功率、调差系数、容量补偿系数为核心参数的复用结果。仿真分析表明,通过动态功率分配,实现了BESS功率面向峰谷套利和调频的动态调整;通过容量短期补偿,实现了BESS对频率偏差信号的持续跟踪,并有效避免了容量越限的发生,BESS综合收益显著提升。

关键词： 滞回行为   BWBN模型   改进UKF算法   状态估计   参数识别  

摘要： 地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。

关键词： 光伏发电   功率预测   自适应权重   误差修正   极限梯度提升算法   长短期记忆算法  

摘要： 为了提高光伏电站光伏发电功率预测精度,解决极限梯度提升模型、长短期记忆模型2种传统单一模型及传统组合模型极限梯度提升-长短期记忆模型的光伏发电功率预测结果滞后、预测效果易突变、预测误差较大、线性拟合性较差等不足,基于极限梯度提升算法、长短期记忆算法和线性自适应权重,提出一种考虑误差修正的非线性自适应权重极限梯度提升-长短期记忆模型进行光伏发电功率预测;分别使用极限梯度提升算法和长短期记忆算法训练得到2种单一模型,将2种单一模型的初步预测值和真实值组成新的训练数据集,利用神经网络算法训练所提出的模型,对2种单一模型的初步预测值分配自适应权重系数,并根据训练时所提出模型的预测值大小分段统计预测误差的分布,预测时根据所提出模型的预测值在预测结果的基础上累加误差均值从而进行误差修正,进一步提高所提出模型的预测精度;利用Python语言分别对所提出的模型、传统组合模型和2种传统单一模型在晴天、阴天和雨天的光伏发电功率预测性能进行仿真。结果表明:与极限梯度提升-长短期记忆模型、极限梯度提升模型、长短期记忆模型相比,所提出模型的均方根误差分别减小28.57%、 39.39%、 49.79%,平均绝对误差分别减小44.25%、 53.33%、 64.8%,决定系数分别增大1.43%、 2.38%、 3.34%,所提出的模型更有效地减小了传统单一模型的光伏发电功率预测误差,优化了传统组合模型的权重系数;3种天气条件下所提出模型的光伏发电功率预测误差相对最小且稳健性最强,验证了所提出模型的有效性。

关键词： 光伏发电   天气分型   光伏功率概率预测   时间序列K均值聚类   多模态学习   不确定性  

摘要： 天气分型是光伏功率预测中不可或缺的预处理步骤,为精细刻画光伏出力的不确定性,提出一种新的基于光伏功率聚类的二模态天气分类方法。该方法结合气象信息和功率信息进行天气分型,为天气分型在光伏功率预测的应用提供了一条有效的新路径。此外,该方法使用数据融合技术,依据融合数值天气预报(numeric weather prediction,NWP)气象和实际气象二者间的相关信息进行天气分型,以减少模型对NWP准确度的依赖并提高模型的鲁棒性。以吉林某光伏电站数据为例,验证了该天气分型方法的合理性,同时,将天气分型方法与功率概率预测相结合,其测算结果表明,使用所提方法进行天气分型概率预测的区间覆盖率更接近预设的置信水平,且平均带宽更窄。