课程文献中心 更多>>

关键词： 液力变矩器   搅油功率损失   狭小间隙   损失模型   数值模拟  

摘要： 针对液力变矩器高速旋转产生较大搅油功率损失问题，以某液力变矩器为研究对象，基于CFD数值模拟及数据统计分析方法，提出一种搅油功率损失预测模型．该模型主要考虑液力变矩器装配间隙几何特征、运行参数、润滑油物性与润滑状态等因素影响，采用正交分解法选择25组不同运行参数下的搅油过程进行数值模拟，并结合某传动装置实际运行工况和使用要求进行了多工况验证．结果表明：随着润滑油雷诺数增大，搅油功率损失成指数型快速增长；搅油功率损失随径向间隙的增大而减小，随轴向间隙的增大而增大；当径向间隙小于9mm时，搅油损失功率随着径向间隙减小而急剧增大；相比于轴向间隙，径向间隙对搅油功率损失值的影响程度更大；狭小间隙下液力变矩器搅油功率损失模型结果与数值计算结果总体符合较好，相对误差在10%内．研究结果可为狭小间隙液力变矩器设计及综合传动装置的优化提供一定技术支撑．

关键词： 水平轴风力机   大气边界层   空气动力学   湍流  

摘要： 该文风洞中构建出两种平均风切变指数和湍流强度的大气边界层风场，并开展均匀来流和大气边界层条件下风力机载荷及功率特性的实验研究。结果表明：风力机偏航运行时，机组轴向载荷减小，疲劳载荷增大，随着偏航角增大，风轮功率系数减小，最优叶尖速比降低。在大气边界层来流条件下，风轮平均倾覆力矩系数和功率系数较均匀来流增大，机组疲劳载荷、极端载荷，及输出功率的非定常特性显著增加，且功率系数的概率分布更符合高斯分布。风轮功率系数谱与大气边界层来流速度谱存在一定程度的关联性，在耦合区间出现Φp/Φu～f-2的幂率关系。在超过约3倍转频后，功率系数谱曲线基本呈水平趋势，表明湍流来流与输出功率的调制作用开始解耦，解耦后风力机功率输出受湍流来流的影响较弱，其功率谱响应主要取决于风轮的自身特性。

关键词： 对称型双芯移相变压器   本体保护   复合型差动保护   电平衡差动   故障定位  

摘要： 对称型双芯移相变压器(该文简称“移相变”)，能够实现输电线路传输功率的动态调节，提高系统潮流输送的灵活性。然而由于对称型双芯移相变压器拓扑结构复杂，内部故障特征耦合交错，为其本体保护方案的设计和配置优化带来了挑战。为解决这一问题，该文在分析移相变磁路结构的基础上，基于基尔霍夫电流定律、电磁感应定律等基本电路原理建立了一种适应于对称双芯移相变压器的复合型差动保护方案。该方案仅通过一套继电器便可以反映串联变压器和励磁变压器的匝间、匝地故障及其之间引线的短路故障。进一步的，通过附加电平衡差动，实现了移相变区内故障的定位功能，相较于已有保护方案，反映的故障类型更为全面的同时减少了电流互感器的配置数量，提高了经济性。最后，基于MATLAB/Simulink仿真平台搭建了对称型双芯移相变压器仿真模型，通过大量仿真实验，验证了该文所提方案的可行性和有效性。

关键词： 油浸式变压器   温升试验   热点温度   动态演化规律   推演计算模型  

摘要： 变压器绕组动态温度信息可有效衡量其负载能力和服役寿命，基于此本文开展了油浸式变压器绕组热点动态温升演化规律及推演计算模型研究。首先，基于“电磁-流-热”多场耦合仿真获得了不同负载率下变压器绕组的稳态温度分布，并通过温升试验验证仿真模型的有效性；然后，仿真分析了绕组热点动态温升演化规律，研究了热点动态温升与负载率的关联关系；最后，采用差分进化算法对温升曲线进行预测，研究提出了绕组热点温升推演计算模型。结果表明，本文多场耦合温度仿真结果与实测结果的最大误差小于5%；绕组热点温升值随负载电流施加时间的增长呈现出饱和型指数函数增长规律，稳态温升值随负载率的增大呈幂函数规律增长，动态温升时间常数值随负载率增大呈幂函数下降规律；采用本文推演计算模型求解获得的绕组热点稳态温升值的最大误差百分比仅为2.83%，温升时间常数值的最大误差百分比仅为4.76%。本文成果为采用小负载率温升试验数据推演获得大负载率电流下的温升数据提供了可行性，为解决现场变压器温升试验实施难、检测时间长的问题提供了技术参考。

关键词： 新型电力系统   低压台区   智能电表   相别辨识   DistFlow模型   递推最小二乘法  

摘要： 低压台区中存在用户实际相别与标定值不一致的现象，对台区的主动调控与精细化管理构成了障碍。当前的相别辨识方法在面临高比例分布式光伏接入、拓扑结构信息及线路参数缺失的有源低压台区时，具有一定的局限性。为此，文中提出了一种基于电压与功率采集数据的有源低压台区用户相别辨识方法。首先，通过分析低压台区三相线性化DistFlow潮流模型，得到相别辨识的理论依据。然后，通过松弛0-1变量构建多元线性回归模型，并利用递推最小二乘法求解，实现相别辨识，避免了矩阵求逆。此外，还引入了相别隶属度指标强化计算结果。光伏台区试点应用结果显示，该方法的识别精度高，鲁棒性好，不易受电压平衡程度、节点数量和三相分布式光伏等因素的影响。

关键词： 构网型变流器   暂态稳定性分析   虚拟同步机   虚拟阻抗   功率耦合   能量函数   限流控制  

摘要： 虚拟阻抗控制有助于改善构网型变流器因阻性线路引起的功率耦合问题，同时还能在电网发生故障时启动以起到限流作用。虚拟阻抗的引入深刻影响故障大扰动下构网型变流器的暂态同步稳定性，目前尚缺少针对上述影响的稳定量化分析方法。因此，文中首先建立构网型变流器并网系统考虑虚拟阻抗控制前后的经典三阶降阶动态模型。然后，结合拉萨尔不变性原理构建考虑虚拟阻抗功率解耦的改进能量函数。分析表明，改进能量函数能通过吸引域量化评估虚拟阻抗参数对暂态稳定性的影响。基于此，提出一种考虑虚拟阻抗功率解耦的构网型变流器暂态稳定优化控制策略，以提高其暂态同步稳定性。最后，仿真和实验结果验证了所提优化策略的有效性。

关键词： 高频变压器   高频损耗   热点温度   最小二乘支持向量机   多目标优化设计  

摘要： 准确进行高频变压器(high frequency transformer， HFT)优化设计对其自身和所属系统的综合性能提升意义重大。然而，现有HFT优化设计方法通常利用简化解析公式计算磁心与绕组损耗、热点温度等电磁热参数，虽然这些解析公式的计算速度较快，但其精度较低，继而导致其所得优化设计结果的准确性与可靠性不高。为兼顾HFT优化设计的精度与速度，本文首次引入基于最小二乘支持向量机(Least Squares Support Vector Machines， LS-SVM)的HFT电磁热参数代理模型，并基于非支配排序遗传算法(non-dominated sorting genetic algorithm II，NSGA-II)提出了一种新的HFT优化设计方法。为验证本文所提LS-SVM代理模型的优越性，将其与循环神经网络和深度神经网络代理模型对比，结果表明LS-SVM精度更高。最后，基于所提优化设计方法对一台5kHz/10kW的HFT进行多目标优化，并用有限元对最优设计方案仿真。将所提HFT电磁热参数代理模型与传统解析模型计算值及有限元计算值对比，得到本文模型计算误差分别为2.77%、3.03%、0.92%，验证了本文所提优化设计方法的准确性与可靠性，所提方法对HFT多目标优化设计具有重要的参考意义。

关键词： SiC MOSFET   结温波动   主动热管理   等效栅极电阻控制   可靠性  

摘要： 通常限制SiC MOSFET可靠性的根本因素是非平稳工况下的结温波动。本文提出的等效栅极电阻控制方法克服了在线连续修改驱动电阻的困难。在此基础上，提出一种主动热管理方法，通过改变开关损耗的方式来抑制结温波动，同时给出了结温调节范围的推导过程。最终，搭建逆变器实验平台，验证了理论分析的正确性。实验结果表明，该方法可显著降低SiC MOSFET各功率波动阶段的温度波动，最大波动范围由18.83℃降至9.85℃，SiC MOSFET的寿命延长约2.18倍。此外，本文考虑了系统的效率因素，提出温控操作区间和结温控制系数的概念。最后，通过实验验证了本文所提出的方法的有效性。

关键词： 风电功率预测   分解模型   误差修正   区间预测   多目标优化  

摘要： 风电等新能源的大规模并网是完成“双碳”目标的重要措施之一，而可靠的风电功率预测是保障电网安全运行的不可或缺的技术支撑。为此提出了一种超短期风电功率点-区间预测模型。首先，对风电功率原始序列进行异常值筛选以及修正，让修正后的数据更符合客观规律；然后，构建双层分解模型对原始序列进行分解，双层分解算法的应用可以获得趋势更加具有预测性的子序列，以降低风电功率预测难度；接着，构建多目标策略结合改进黏菌算法优化的支持向量机(Multi-Objective Improved Slime Mould Algorithm-Support Vector Machines， MOISMA-SVM)模型来精准预测子序列并进行相加重构。MOISMA在兼顾预测的精度和稳定性的同时对SVM参数实现了寻优，得到风电功率预测结果；最后通过MOISMA-SVM模型对预测结果的绝对误差进行进一步修正，将误差预测结果与风电功率预测结果相加，得到了风电功率点预测结果。通过实验对比分析，证明了所提模型拥有对比模型中最好的误差指标结果，在两个数据集中的MAE分别达到了0.5057MW和0.6726MW，相比于SVM模型分别提升了98.79%和98.50%，突出了模型的高精度结果和稳定性。根据点预测结果，构建改进的核密度估计区间预测模型，得到区间预测结果。两个数据集的预测区间具有较高的可靠性和较窄的区间带宽，CWC可以分别达到0.0024和0.0028，能更准确地描述风电功率的波动趋势，提高了整体模型的实用性。

关键词： 风电功率预测   神经网络   深度学习  

摘要： 随着全球对可再生能源需求的增加，风电作为清洁可再生能源的重要组成部分，其功率的准确预测对于电力系统的稳定运行和能源的高效利用至关重要。近年来，深度学习方法在风功率预测领域展现出显著的优势，通过构建复杂的非线性模型，深度学习模型能够有效地捕捉风功率数据的内在规律和变化趋势。本文从风电功率预测的分类、实现一般思路和评估方法概述了风电功率预测的研究对象和目标。综述了深度学习技术在风功率预测中的应用，在对深度学习技术做出细致的划分的基础上，重点分析了基于空间结构的深度学习模型和基于时间的深度学习模型及其相关变体模型所克服的问题和性能表现，并对所提模型方法存在的局限性及对应解决方法进行总结。此外从数据处理、参数优化算法和风电功率预测模型优化方法三个方面概述了基于深度学习风电功率预测的研究进展。最后，对未来风电功率预测的发展方向进行了展望，本文旨在为相关领域的研究人员和实践者提供有益的参考和启示，推动风电功率预测技术的发展，为实现可持续能源供应和绿色发展贡献力量。