期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
TCT结构光伏阵列故障检测方法研究 被引量:10
1
作者 宋文海 李田泽 +2 位作者 乔家振 焦丕华 《电源技术》 CAS 北大核心 2019年第7期1164-1167,共4页
局部遮阴使光伏电池发生热斑现象,该现象产生的热量会破坏电池单体,导致光伏阵列发生故障。提出了一种全连接(TCT)结构光伏阵列故障检测的新方法,该方法利用传感器对电压及电流进行检测,将光伏阵列视为串并联(SP)结构光伏阵列中的一条... 局部遮阴使光伏电池发生热斑现象,该现象产生的热量会破坏电池单体,导致光伏阵列发生故障。提出了一种全连接(TCT)结构光伏阵列故障检测的新方法,该方法利用传感器对电压及电流进行检测,将光伏阵列视为串并联(SP)结构光伏阵列中的一条串联支路,放置电压传感器,检测故障行位置,根据每行并联电池数量及分辨度,放置电流传感器,检测故障列位置。通过Matlab仿真,模拟局部阴影条件,结果表明,该方法可以准确检测发生热斑现象电池的位置,还可以降低检测成本。 展开更多
关键词 局部阴影 光伏阵列 热斑现象 新方法 传感器 故障检测
下载PDF
基于概率神经网络的光伏阵列故障诊断研究 被引量:5
2
作者 宋文海 李田泽 +2 位作者 田晖 刘晓月 《电源技术》 CAS 北大核心 2019年第9期1525-1527,1567,共4页
光伏阵列由多个光伏组件组成,易发生故障,难检测。针对这一问题,提出了一种基于概率神经网络的光伏阵列故障诊断方法。该方法在分析光伏组件的故障特性确定特征信号的基础上建立概率神经网络故障诊断模型,将采集的特征数据输入模型,通过... 光伏阵列由多个光伏组件组成,易发生故障,难检测。针对这一问题,提出了一种基于概率神经网络的光伏阵列故障诊断方法。该方法在分析光伏组件的故障特性确定特征信号的基础上建立概率神经网络故障诊断模型,将采集的特征数据输入模型,通过Bayes决策理论对故障模式进行预测识别。实验仿真结果分析表明,该方法对故障模式可以进行准确有效的诊断。 展开更多
关键词 概率神经网络 光伏阵列 故障诊断 仿真分析
下载PDF
双自适应神经网络和快速TLS-ESPRIT的谐波检测方法及仿真 被引量:5
3
作者 张涵瑞 王雅静 +2 位作者 张晓阳 施瑶 《水电能源科学》 北大核心 2020年第9期203-205,113,共4页
针对BP神经网络应用于谐波分析时收敛速度慢、初始值选取不当等问题,为实现谐波的准确检测,提出双自适应BP神经网络和快速TLS-ESPRIT(总体最小二乘法—旋转矢量不变技术)相结合的检测方法。该方法利用快速TLS-ESPRIT算法得到频率和信号... 针对BP神经网络应用于谐波分析时收敛速度慢、初始值选取不当等问题,为实现谐波的准确检测,提出双自适应BP神经网络和快速TLS-ESPRIT(总体最小二乘法—旋转矢量不变技术)相结合的检测方法。该方法利用快速TLS-ESPRIT算法得到频率和信号源个数,将频率作为BP神经网络的初始值,信号源数作为中间节点个数,经双自适应BP神经网络得到网络权值,进而完成谐波的幅值和相位检测。仿真试验结果表明,该算法在检测谐波时,检测速度更快,且具有较高的检测精度。 展开更多
关键词 谐波 BP神经网络 双自适应 TLS-ESPRIT
下载PDF
RO-SBM的希尔伯特-黄变换谐波检测方法 被引量:2
4
作者 王雅静 +2 位作者 张涵瑞 宋文海 施瑶 《水电能源科学》 北大核心 2020年第3期190-194,共5页
针对希尔波特-黄谐波检测方法的端点效应问题,提出斜率再优化(RO-SBM)与希尔伯特-黄变换(HHT)相结合的方法(RO-SBM-HHT),该方法先采用RO-SBM法对原信号延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),得到本征模态函数IMF分量... 针对希尔波特-黄谐波检测方法的端点效应问题,提出斜率再优化(RO-SBM)与希尔伯特-黄变换(HHT)相结合的方法(RO-SBM-HHT),该方法先采用RO-SBM法对原信号延拓,按照包络原则对延拓之后的信号进行经验模态分解(EMD),得到本征模态函数IMF分量,然后对各个IMF分量进行希尔伯特变换(HT),并采用最小二乘拟合可获得各次谐波的幅值和频率。仿真与试验数据表明,RO-SBM-HHT可有效地解决谐波检测端点效应,提高检测精度、减少冗余分量。 展开更多
关键词 端点效应 经验模态分解 希尔伯特-黄变换 RO-SBM 谐波检测
下载PDF
基于VMD-WPT和Prony算法的谐波间谐波检测 被引量:2
5
作者 施瑶 王雅静 +1 位作者 张涵瑞 《电气传动》 2021年第22期3-7,21,共6页
针对Prony算法在电能质量参数检测中易受噪声影响的问题,提出变分模态分解(VMD)联合小波包变换(WPT)去噪的方法,并应用到Prony算法的谐波和间谐波检测中,降低噪声影响,提高检测准确性。首先谐波信号通过VMD分解,得到不同频率的固有模态... 针对Prony算法在电能质量参数检测中易受噪声影响的问题,提出变分模态分解(VMD)联合小波包变换(WPT)去噪的方法,并应用到Prony算法的谐波和间谐波检测中,降低噪声影响,提高检测准确性。首先谐波信号通过VMD分解,得到不同频率的固有模态函数,然后将含有噪声的固有模态函数作为独立输入,分别进行小波包去噪,并叠加去噪后的固有模态函数得到谐波和间谐波信号,最后利用Prony算法进行参数辨识。仿真与对比结果表明,所提出的算法能够有效降低噪声对Prony算法的影响,提高谐波间谐波的检测精度。 展开更多
关键词 电能质量 PRONY算法 变分模态分解 小波包变换
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部