扰动运动

扰动运动（精选9篇）

扰动运动 篇1

0 引言

所谓混沌同步,就是对混沌系统施加控制,使该系统的轨道与另一混沌系统的轨道渐进的趋近一致。1990年Pecora和Carroll首次提出了混沌同步的概念和方法,以及之后在实验中观测到混沌同步现象[1,2]。混沌的同步问题当前已经成为混沌和控制领域的研究热点,国内外学者提出了许多有效的混沌控制与同步方法[3,4]。

近年来,随着具有高磁能积的稀土永磁材料技术以及电力电子变换技术的飞速发展,利用电子换相代替机械换相的永磁同步电机由于具有调速性能好、体积小、重量轻、维护方便、运行可靠、单位功率密度大、效率高的独特优点已经在工业、军事等领域得到了广泛的应用[5,6]。永磁同步电机在某些工作环境下参数的变化使其处于混沌运动状态,这将危及电机驱动系统的稳定运行,需要消除或减弱永磁同步电机中的混沌运动现象,因此提出了混沌运动的跟踪控制、脉冲控制和鲁棒控制等控制方法来消除或减弱系统的混沌运动,并取得较好的效果[7,8,9,10,11,12]。然而电机的混沌运动并不总是有害的在一些应用场合还是有益的,如在工业搅拌过程中,混沌运动本身赋予了实现良好搅拌混合的延伸折叠特性,对提高工业搅拌的效率减少搅拌过程中消耗的能量具有重要意义[13]。

本文提出了一种存在扰动的永磁同步电机混沌运动模糊自适应同步方法,实现了永磁同步电机混沌运动的同步,使响应永磁同步电机模型达到驱动永磁同步电机模型的混沌运动状态。数值仿真验证了所设计同步控制器的有效性。

1 PMSM的混沌模型

永磁同步电机在转子磁场定向坐标系(d-q坐标系)中,由电压平衡方程和转矩平衡方程,可得如下状态方程[14]:

其中:id,iq和ud,uq分别是定子电流向量和定子电压向量的直轴和交轴分量(d,q分量);ωr是转子角速度;ψr为转子磁通;Rs是定子电阻;np是极对数;J是转子惯量;β是粘性阻尼系数;TL是负载转矩;Ld和Lq分别是直轴和交轴电感。

通过仿射和时间变换,式(1)的无量纲状态方程为:

其中:。假定PMSM气隙均匀,则Ld=Lq,上述模型的简化方程可表示为:

当vq=vd=TL=0时,可以看成永磁同步电机空载断电的制动运行过程。永磁同步电机模型参数为[15]:

Ld=Lq=L=14.25 mH,R1=0.9Ω,ψr=0.031 Nm/A,np=1,J=4.7×10-5,β=0.0162 N/(rad s)-1⋅,σ=5.46

永磁同步电机简化模型为:

当γ=16.9时永磁同步电机处于混沌运动状态,图1为永磁同步电机混沌运动吸引子。Lyapunov指数表征系统运动的特性,它沿着某一方向取值的正负和大小表示长时间系统相邻轨道沿该方向平均发散的快慢,当最大lyapunov指数大于零,lyapunov指数之和小于零时系统处于混沌运动状态。图2为γ为参数,永磁同步电机混沌系统的lyapunov指数曲线。

2 混沌模型模糊自适应同步

2.1 模糊自适应同步原理

考虑如下两个永磁同步电机混沌运动模型。

驱动模型:

响应模型:

此处xi,yi(i=1,2,3)为系统的状态变量,式中u(t)为控制输入,d(t)为有界扰动项,即d(t)≤α(α为正数),控制系统要解决的问题是在式(5)和式(6)有不同的初始值情况下,选取控制输入u(t)使模型式(5)和式(6)实现同步。

定义混沌运动误差变量为:

将上式代入式(5)和式(6),则PMSM混沌运动的误差方程为:

控制系统要解决的问题是在式(5)和式(6)有不同的初始条件,且存在有界干扰d(t)情况下,选取控制输入u(t)使式(5)和式(6)实现同步,即

由式(8)可知,当式(8a)和(8b)渐进稳定时,即时,由式(8c)易知,所以只需式(8a)和(8b)满足渐进稳定条件,则e1,e2和e3趋近于零,设u(t)=ueq+uL,ueq=-x1x3+y1y3,式(5)和式(6)渐进同步,e3为稳定的内部误差,即满足:

定义变换矩阵为

将上式代入式(10)则有

其次要证明上式渐进稳定,且误差变量渐进趋近于零,用作为模糊控制器的状态变量,uL作为模糊控制器的输出,即

模糊控制器满足式(12)的稳定状态要求。

模糊控制规则为

模糊控制规则i

如果为x1,,x2,则:

此处x1和x2为模模糊控制器输入量,uLi是控制器的输出量,去模糊化后输出为:

表1为模糊控制器在输入量,输出量为uLi的模糊控制规则表。

2.2 控制器稳定性条件

由系统的误差状态方程(12),选取lyapunov函数为[16]:

系统的lyapunov稳定条件为:

根据lyapunov稳定条件式(17),求系统的稳定输出uLi。

当参数时则有:

对于,式(17)可化为

将式(18)代入式(12),得:

因此,假定d(t)为系统的有界干扰,即d(t)≤α,此处α>0,可以定义:

如果输出为式(19),则,误差状态一致趋近于零。设计uL对于表1控制规则3,6,9,状态误差为负且则uL3=uL6=uL9=u*1,系统lyapunov函数满足:

当参数时则有:

当时,式(17)可化为

将上式代入式(12)可得:

因此,可以定义:

对于表1中控制规则1,4,7,状态误差e2为正数,且,uL1=uL 4=uL7=u*2,系统的lyapunov导数小于零。

当参数时则有:

对于。在表1中大于零,为零,为了使lyapunov指数的导数小于零,满足:

因为,则

将式(25)代入式(12),得

上式可写为

因此可得

当参数时则有:

对于。规则8的输出uL8与表1中的规则2相似,因为则

将式(29)代入式(12),则有

上式可写为

因此可得

当参数时则有:

对于表1中的规则5中。这中状况包含在其他条件中,定义uL=uL5=0。因此所有模糊控制器的控制规则都能保持lyapunov稳定。

由以上各个状态满足Lyapunov稳定条件,则模糊控制器的输出为:

可以看出表1中的规则满足,所以式(12)渐进稳定,且e1,e2,e3趋近于零,系统同步。

3 仿真实验

利用Matlab软件模拟仿真,假定驱动系统模型式(5)的初始状态为x1(0)=0.01,x2(0)=0.01,x3(0)=0.01,响应系统模型的初始状态为y1(0)=10,y2(0)=1,y3(0)=1,匹配干扰为d(t)=0.5sin(t),在t=20 s施加模糊自适应同步控制。系统的同步状态曲线如图3所示,状态误差曲线如图4所示。

从图3、图4中可以看出,设计的模糊自适应同步控制器能够使系统较快的达到同步状态,对有界扰动有较好的抑制能力。

4 结论

本文提出了一种存在扰动的永磁同步电机混沌运动的模糊自适应同步控制方法。在对永磁同步电机混沌动态进行分析的基础上,设计PMSM混沌运动的模糊自适应控制器对永磁同步电机混沌运动进行同步控制。理论分析和数值仿真结果表明该方法可实现PMSM混沌运动的渐近同步。

被惊恐发作扰动的睡眠 篇2

在朋友的建议下，老谢走进了心理诊所。在专业医生的询问下得知，半年前老谢的哥哥因突发心脏病去世，让老谢感到特别地紧张和焦虑，深怕自己也和哥哥一样突然间就与世长辞了。因此，自打从睡梦中惊醒以后，就一直恐惧睡眠，如此一来就形成了恶性循环，夜间被惊醒的次数也就随之增加了。医生说，老谢得的是夜间惊恐发作。

何为夜间惊恐发作

惊恐发作经常出现于夜间睡觉的时候，亦称为急性焦虑发作，是焦虑症的一种表现形式。因为人在晚间睡眠的时候，呼吸和心率会随着不同的睡眠时期产生不同的变化。人若长期过于担心自己的身体情况，这种恐惧感就会经常自动出现；而这种恐惧感又会使人体的敏感性增强，从而可感知到人体睡觉时产生的细微变化，导致惊恐发作。患者会突然出现强烈的不适，可有胸闷、心悸、出汗、胃不适、颤抖、手足发麻、濒死感等，每次发作时间约有一刻钟左右。诱发这种心理疾病的主要因素在于患者的个性，如果患者对自己的健康过分敏感和关注，总是追求绝对的安全感，就会造成这种疾病频繁发作。

据文献报道，夜间惊恐发作是一个相当普遍的现象，约44%～71%的惊恐障碍患者至少经历过一次夜间惊恐发作；约18%～45%的患者会经常性或规律性地发作。很多患者也都和老谢一样，自从有过一次夜间惊恐发作的体验后，出现焦虑和回避睡眠的行为，因而变得不敢睡觉、害怕睡觉。这样反过来又会加重夜间惊恐发作，从而形成恶性循环。

夜间惊恐发作不可怕

电能质量复合扰动分类识别 篇3

现代电力系统中, 电力电子设备的应用越来越广泛, 各种非线性、冲击性、波动性负载大量增加, 使电力系统所遭受的电能质量污染也日趋严重。信息科技的发展也对电能质量及供电可靠性提出更高的要求。对电能质量进行监测和分析是发现电力质量问题并进行治理和改善的前提条件, 而如何从海量的电能质量扰动信号中自动提取特征并进行准确分类识别则是电能质量监测分析系统首先要解决的问题。电能质量扰动的分类识别属于模式识别范畴, 由于电能质量扰动类别众多, 而且各个扰动本身具有很大的不规则性, 因此电能质量扰动识别的难度比较大。

扰动分类识别包括特征提取以及分类识别2个过程。特征提取主要是从原始波形进行变换和重构, 并从中提取有效的分类特征。小波变换[1,2,3,4,5,6]是最常用的特征提取方法, 小波系数峰值个数[3]、多分辨率分析所得的各频段能量[4]、细节和概貌系数[5]均可以作为分类特性。傅里叶变换[3]、dq 变换[7]、S 变换[8,9,10]、Walsh 变换[10]等都可用于扰动特征提取。分类器的构造有模糊专家系统[3]、人工神经网络[4,6,7]、动态时间扭曲[11]、规则推理[12]、隐式马尔科夫模型[13]、支持向量机[10]等。

目前所进行的研究, 基本都是针对单个扰动的识别问题。但在实际中, 往往是多种扰动可能同时发生, 本文称这种情况为复合扰动。如何同时识别出复合扰动中各个扰动的存在, 对于这个问题的研究目前还处于起步阶段。为解决电能质量复合扰动的识别问题, 现提出电能质量扰动识别动态分类树的方案。

首先, 基于 S 变换[14]和支持向量机 (SVM) [15]构造电能质量扰动静态分类树。用 S 变换对扰动信号学习样本进行变换, 从变换结果中选取合适的特征量, 然后, 构造支持向量机分类树, 对支持向量机分类树中的每一个支持向量机进行学习, 学习好的支持向量机分类树即可以对常规的电压突降 (voltage sag) 、电压突升 (voltage swell) 、电压中断 (interruption) 、暂态振荡 (oscillatory transients) 、电压尖峰 (spike) 、电压缺口 (notch) 和谐波 (harmonics) 等7种电能质量扰动进行分类识别。然后对该静态分类树进行动态拓展, 形成动态分类树, 以适应新的扰动和复合扰动。算例结果表明了该方案对电能质量复合扰动分类识别的可行性。

1 静态分类树的构建

1.1 支持向量机基本原理

SVM 通过在原空间或经投影后在高维空间中构造最优分类面, 将给定的属于2个类别的训练样本分开, 构造超平面的依据是2类样本离超平面的距离最大化。

首先, 介绍线性可分情况下 SVM 的原理。

设线性可分集 (xi, yi) , 1≤i≤N, xi∈Rd, yi∈{-1, 1}是类别编号, d 维空间中线性判别函数的一般形式为 g (x) =w·x+b, 相应的分类面方程为 w·x+b=0。

将 g (x) 进行归一化, 使所有 xi都满足|g (x) |≥1, 即离分类面最近的样本|g (x) |=1, 这样分类间隔就等于2/‖w‖。求解最优分类面就等效于最小化‖w‖, 目标函数为

$\begin{array}{l}\min \Phi (\mathit{w})=\frac{1}{2}\parallel \mathit{w}\parallel {}^2(1)\\ \text{s}.\text{t}.y{}_i[\mathit{w}{}_i\cdot \mathit{x}+b]\ge 1i=1,\cdots ,{\rm N}\end{array}$

采用 Lagrange 乘子法, 引入乘子 α={α1, …, αN}, 可将以上问题转换成二次规划问题, 可求得最优分类面, 其中 w=${\displaystyle \sum _i}$αiyixi, xi 是位于分类间隔面上的样本, 这些训练样本称为支持向量, 分类函数为

$f(\mathit{x})=\text{s}\text{i}\text{g}\text{n}\left({\displaystyle \sum _i\alpha }{}_{i}y{}_i\mathit{x}{}_i\cdot \mathit{x}+b\right)(2)$

对于线性不可分情况, SVM 一方面引入松弛变量和惩罚因子, 使目标函数变为

$\Phi (\mathit{w},\mathit{\xi })=\frac{1}{2}\parallel \mathit{w}\parallel {}^2+C\left({\displaystyle \sum _{i=1}^{{\rm N}}\xi }{}_i\right)(3)$

另一方面, SVM 通过非线性变换将输入空间变换到高维空间, 然后在新空间中求解最优分类面, 线性可分情况下的点积运算变为 Φ (x) ·Φ (y) =K (x·y) , K (x·y) 为核函数, 这样最终得到的分类函数为

$f(\mathit{x})=\text{s}\text{i}\text{g}\text{n}\left[{\displaystyle \sum _i\alpha }{}_{i}y{}_i{\rm K}(\mathit{x},\mathit{x}{}_i)+b\right](4)$

1.2 静态分类树的构建

SVM 只能解决两值分类问题, 要将其推广到多分类问题, 需要构造 SVM 分类器。目前, 常见构造方法的基本思想是通过组合多个2类分类器构造多分类器。这类方法目前主要有2种分支算法:1对多算法和1对1算法。1对多算法对于 N 类问题构造 N 个2类分类器, 第 i 个 SVM 用第 i 类中的训练样本作为正的训练样本, 而将其他的样本作为负的训练样本, 最后的输出是2类分类器输出为最大的那一类。其缺点是训练样本数大, 训练困难, 推广误差无界。1对1算法在 N 类训练样本中构造所有可能的2类分类器, 每类仅仅在 N 类中的2类训练样本上训练, 结果共构造 N (N-1) /2个分类器, 使用投票法决定样本所属的类。其缺点是推广误差无界, 分类器数目随类数急剧增加等。同时, 这2类算法还会出现拒绝分类区的缺陷, 即会出现无法分类的模式。

另一类方法就是构造多层分类树。分类树中的每个节点都是完成一个预定义的分类子任务的2类分类器。这类方法分类器的结构清晰, 可根据样本特征向量的特征定义子任务, 推广误差只取决于类和节点上的类间间隙。同时, 算法所需的基本2类分类器数目小于前面所述的几种算法, 而且也不需要计算庞大的拓展优化问题, 算法的速度也比较快。可见, 只要能合理定义分类子任务的层次, 多层分类树算法同前面介绍的几种算法相比具有明显的优势。本文提出来的电能质量扰动分类树就是多层次 SVM 分类树, 其整体结构和各个树节点见图1。

静态分类树的基本思想就是首先将要待分类的电能质量扰动集合根据所选取特征的相似性通过 SVM 分成2个集合, 以此类推, 不断细分, 直至所有分类完毕, 如图1所示, 通过6个 SVM 构造了 SVM 分类树。其中, 各 SVM 所选取的特征向量是:SVM1、SVM2、SVM3、SVM6 选取的特征量为 S 变换输出结果矩阵中与额定频率对应的行向量;SVM4 选

取的特征量为 S 变换输出结果矩阵中各频率对应的行向量平均值组成的向量;SVM5选取的特征量为 S 变换输出结果矩阵和无电能质量扰动信号 S 变换的输出结果矩阵相减得到的矩阵, 取各列向量标准偏差组成的向量。

2 基于核聚类方法的动态分类树

由于实际情况中的电能质量扰动的不规则性和复杂多样性, 特别是多种扰动同时存在的情况, 因此采用根据样本数据事先训练好的分类器进行实际分类, 效果并不一定理想。为解决这个问题, 现提出电能质量扰动动态分类树的概念, 拟在这个问题上有所突破。该分类器具有很好的自适应性, 能随着学习样本的不断增多, 不断进行学习, 拓展分类树, 从而大幅提高分类器对实际扰动的分类精度和适应各种新扰动的能力。

该分类方案的基本思想是先形成上节构建的静态分类树, 在监测过程中当监测到的扰动达到一定数目后对每一类扰动用基于 Mercer 核的聚类方法进行聚类分析, 如果有新的子类产生, 说明其中有新的扰动或复合扰动存在, 从而以该扰动节点为子树的根节点动态形成子树。该子树包含的扰动类别除了原有类别外, 还包括新发现的扰动类型。这样考虑的原因是因为复合扰动的类型众多, 且不规则度更大, 不可能通过事先构建静态分类树解决, 只能通过构建动态识别的方案, 在识别过程动态发现新的扰动并动态扩展分类器, 对于这个新发现的扰动可以通过人机互动确定其具体类型, 并给其命名。

这里进行聚类分析所选取的特征量为 S 变换输出结果矩阵中各频率对应行向量的平均值和标准偏差组成的向量。

2.1 基于 Mercer 核的聚类方法

基于 Mercer 核的聚类方法[16]是 Mark Girolami 在2002年提出的一种基于统计学习理论的无监督学习方法。其基本思想类似于 SVM, 同样通过利用 Mercer 核函数, 先将输入空间中的样本映射到高维特征空间之后, 再在高维空间中进行聚类。这种方法在性能上明显优越于传统的 C 均值方法或模糊 C 均值方法, 由于向高维空间进行非线性映射对特征的分辨和凸显作用, 核聚类方法实现了更为准确的聚类。在核 C 均值聚类算法中, 假设输入空间样本为 xk∈RL (k=1, …, l) , 被某非线性映射 Φ 映射到某一高维特征空间 H 得到 Φ (xk) , 则输入空间的点积在特征空间可用 Mercer 核表示 K (xi, xj) =Φ (xi) ·Φ (xj) 。 对应所有样本组成核函数矩阵 KL×L, 其中 Ki, j=K (xi, xj) , 则高维特征空间中的距离可定义为

dh (xi, xj) =[K (xi, xi) -2 K (xi, xj) +

K (xj, xj) ]1/2 (5)

聚类准则为最小化目标函数:

$\begin{array}{l}J={\displaystyle \sum _{i=1}^C{\displaystyle \sum _{\begin{array}{l}j=1\\ \mathit{x}\in U{}_i\end{array}}[}}{\rm K}(\mathit{x}{}_j,\mathit{x}{}_i)-\frac{2}{{\rm N}}{\displaystyle \sum _{k=1}^{{\rm N}{}_i}{\rm K}}(\mathit{x}{}_j,\mathit{x}{}_k)+\\ \frac{1}{{\rm N}{}_i^2}{\displaystyle \sum _{k,p=1}^{{\rm N}{}_i}{\rm K}}(\mathit{x}{}_k,\mathit{x}{}_p)2〗(6)\end{array}$

其中, C 是聚类的个数, Ni 是第 Ci 类样本个数, 该类中心的模为

$\parallel \mathit{W}{}_i\parallel {}^2=\frac{1}{{\rm N}{}_i^2}{\displaystyle \sum _{k,p=1}^{{\rm N}{}_i}{\rm K}}(\mathit{x}{}_k,\mathit{x}{}_p)(7)$

2.2 动态分类树的构建

设有 N (N>2) 类分类问题, 则基于核聚类的多层次 SVM 分类树算法有3个基本步骤。

a. 将 N 类的所有原型样本 (xλ, yλ) , λ=1, …, M, yλ=1, …, N, 通过2个聚类中心的核 C 均值聚类方法分为2个子类 P1和 P2。具体方法:设对 N 类 M 个样本的核 C 均值聚类的直接结果为2个聚类 C1和 C2, 类别 i 的定义为 Ψi={ (xλ, yλ) |λ=1, …, M, yλ=i}, 类 i 和聚类 j 中成员的相对频率是:pij=|Ψi∩Cj|/|Cj|, 则对应于聚类 C1和 C2, 子类 P1和 P2可以通过式 (8) 分配。

$\begin{array}{l}\Psi {}_i=\{(\mathit{x}{}_{\lambda },y{}_{\lambda })|\lambda =1,\cdots ,{\rm M},y{}_{\lambda }=\\ \arg \max \{p{}_{i1},p{}_{i2}\}\}j=1,2(8)\end{array}$

b. 通过对每个子类重复应用步骤 a, 直到每个子类中都只包含一个单独的类。通过人机交互, 如果有新类的产生, 则对其进行命名。

c. 根据步骤 a、b 中预分类的结果, 定义分类子任务, 建立多层 SVM 分类树。树中的每一个节点对应一个2类 SVM 分类器。

3 算法步骤

综上分析, 本文提出的电能质量复合扰动分类算法步骤如下:

a. 构建图1所示的静态分类树;

b. 在监测过程中当监测到的扰动达到一定数目后对静态分类树中识别出的每一类扰动用2.1节所述基于 Mercer 核的聚类方法进行聚类分析, 如果有新子类产生, 说明其中有新扰动或复合扰动存在;

c. 以该节点为子树的根节点采用2.2节的算法扩展子树, 该子树包含的扰动类别除了原有类别外, 还包括新发现的复合扰动类型;

d. 对于这个新发现的扰动可以通过人机互动确定其具体类型, 并给其命名。

4 算例分析

为验证该方案的有效性, 本节进行算例分析。各类电能质量扰动采用文献[10]类似的方法随机生成。在这里要说明的是, 如果要采用实际算测进行分析, 则各种类型的扰动要齐全, 而且还要有一定的数量, 实现比较困难, 所以目前国内外文献中的普遍做法都是采用仿真算例进行分析。仿真计算得到的算例方便快捷, 符合标准对各种扰动的定义, 通过随机生成的方法还可以使扰动的变化分布均匀。

随机生成2类常见的复合扰动:谐波和暂态振荡组成的复合扰动以及谐波和电压跌落组成的复合扰动。对这2类复合扰动各抽取一个样本, 其 S 变换结果分别如图2、图3所示 (图中, A 为幅值, n 为采样点个数) 。图中的电压数值经过标么化处理, S 变换结果也为标么值。

由图2 (b) 可见, 对谐波和暂态振荡复合扰动的 S 变换清晰地分离出复合扰动中各个扰动的特征。尖峰标明了暂态振荡过程的存在, 图的右边3条平直的山脊标明扰动中存在的3个谐波分量。由图3 (b) 可见, 对谐波和电压跌落复合扰动的 S 变换清晰地表明了复合扰动的特征。变换结果显示了3条有凹陷的山脊, 这清晰地表明了谐波和电压跌落同时发生。因此, S 变换对复合扰动也有很好的特征提取能力, 加上基于 Mercer 核的聚类方法向高维空间进行非线性映射对特征的分辨和凸显作用, 进一步提升了分类性能。

对上节中生成的训练样本及测试样本和本节生成的复合扰动样本一起进行聚类分析, 动态扩展后的 SVM 分类树如图4所示, 其中2个椭圆圈内的部分即为新生成的子树部分。谐波和电压跌落复合扰动通过原来的静态 SVM 分类树进行分类都被识别为电压跌落, 通过聚类分析, 正确识别出{电压跌落}和{电压跌落+谐波}2大类不同类型的扰动。与此类似, 谐波和暂态振荡复合扰动通过原来的静态 SVM 分类树进行分类都被识别为谐波, 通过聚类分析, 正确识别出{谐波}和{谐波+暂态振荡}2大类不同类型的扰动。经过该动态分类树对测试样本的分类识别, 均正确加以识别。

5 结论

本文结合了 S 变换和支持向量机构造了电能质量复合扰动的动态分类树方案, 算例结果表明了该方案的可行性。进一步的工作为将其应用于实际的电能质量监测分析, 在实际的环境中测试该方案的分类性能。同时, 需要进一步研究在低信噪比情况下提高分类的准确性。

宏观经济：在扰动中回暖 篇4

美国政府关门，影响本国经济增长

近期，美国政府关门成了全世界关注的焦点，此次政治僵局源于以“医改法案”为焦点的激烈党争：共和党保守派坚持将延迟或削减医改支出作为预算方案的一部分和提高债务上限的条件，而奥巴马和民主党则坚持要一个不带附加条件、清洁的预算方案，坚持提高债务上限。

美国政府关门并非新鲜事，自1976年以来，美国政府关门17次，持续时间大都不超过一周，但此次美国政府停摆已超过一周，堪称史无前例，从目前两党领导人的表态看，双方仍互不相让。值得注意的是，美国政府在关门的同时还面临债务违约，更需警惕。不过，随着事态发展下去，两党迫于各方压力，在临近10月17日的某个时间点，以折中方案妥协，让政府重开并避免违约是大概率的情况。

政治僵局对美国经济的影响尤其明显。美国财政部警告称，国会若不提高债务上限，将导致美国政府违约，对金融市场与美国经济将造成“灾难”。

在金融市场上，随着美国政府停摆消息的传开，美国三大股指多数走低，10月3日，道琼斯工业平均指数下跌136.60点，跌幅为0.90%：纳斯达克综合指数下跌40.68点，跌幅为1.07%；标准普尔500指数下跌15.23点，跌幅为0.90%。

据盖洛普（Gallup）数据显示，自美国政府部分关门以来，经济信心指数下降了5点，至-32点，为一年多来的最低点，表明公众认为经济状况正在恶化。有分析称，美国政府每多关闭一周，美国GDP就会减少0.5个百分点，阻碍经济复苏和股市在2014年加速攀升的进度，还会让美联储延缓撤销QE的政策。

受政府关门影响，包括9月非农就业数据在内的一些经济数据无法按时发布。不过有机构统计指出，美国9月的失业率将略好于预期。8月工厂订单数据也推迟延迟发布，据调查，经济学家对此的平均预期为环比增0.3%。美国供应管理协会（ISM）宣布，9月的ISM服务业指数为54.4点，较上月的58.6点略有下滑。据调查，经济学家对此的平均预期为57.0点。

权威机构纷纷开始调降美国经济预期。美银美林指出，鉴于经济增长势头乏力与华盛顿方面越来越多的破坏消息，调降第三季度增长预期至1.7%，第四季度预期至2.0%，同时将美联储开始缩减购债的时间表推迟到2014年1月。IMF在最新的展望报告中也将201 3年美国经济增长率调降了0.1个百分点至1.6%。

从目前情况看，美国很难轻易选择债务违约，即便触及债务上限问题，财政部应当会首先保证国债利息偿付。此外，美国国会众议院院长约翰；博纳（JohnBoehner）已向众议员表示，他决心阻止联邦政府债务违约，愿意利用两党投票来通过一项法案，调高联邦政府借债上限。这一消息令市场情绪稍显乐观。

欧元区触底回升格局形成

对于美国政府停摆事件，欧元区也遭受了一定的冲击。就连原定于10月7日在欧盟总部布鲁塞尔展开的美欧第二轮跨大西洋贸易与投资伙伴关系协定（TTIP）也应美国政府停摆而被迫取消。欧洲央行行长德拉吉表示，美国联邦政府的停摆状况如果持续，不仅会给美国经济复苏，也会给全球经济增长带来负面影响。不过，有分析指出，停摆事件对欧元区短期会造成一定影响，但不会改变宏观层面的走势。

欧洲金融市场受震最大。10月7日，欧洲股市继续低开，泛欧Stoxx 600指数下跌0.2%；金融时报100指数下跌0.3%；法国CAC 40指数下跌了0.5%；德国DAX30指数下跌0.7%。并呈现持续下滑的趋势。对此，欧洲分析师认为，美国政治僵局的结果超出大多数人的预期，导致投资者对经济复苏的影响无法做出准确判断，欧洲金融市场短期内陷入迷惘，不过这种情况不会持续太久。

事实上，欧洲经济已经出现明显的复苏。欧盟委员会发布的报告显示，今年9月份，体现欧元区生产者和消费者对经济前景乐观程度的经济敏感指数较前一个月上升1.6点至96.9点。欧盟的经济景气指数上升2.4点至100.6点，为2011年7月份以来首次超过长期均值。欧元区9月综合采购经理人指数（PMI）终值升至52.2创2011年6月以来最高，表明欧元区第三季度经济可获得非常温和的增长。

德国慕尼黑ifo经济研究所与法国和意大利研究机构推出的经济形势预测报告指出，尽管第三季度欧元区经济增长率仅为0.1%，但经济已经出现复苏迹象。据推测，今年第四季度欧元区经济增长率将达到0.3%，而在2014年初这一数字甚至有望达到0.4%。报告还指出，欧元区经济增长预计将得到来自美英日等发达国家以及中国市场需求增长的支撑。此外，欧元区内部市场的需求尽管依然十分虚弱，但也有望出现增长。

欧元区核心国缓慢复苏以及边缘国的衰退减弱将是今年下半年相对确定的趋势。预计，在第四季度，德国将以稳健的经济继续引领欧元区的复苏；法国在解决竞争力缺失等经济结构性矛盾之前不会有太大作为，经济停滞的状况将延续至年底；意大利、葡萄牙、西班牙为代表的边缘国经济衰退的幅度将进一步缩减，这些国家的政治风波会在短期内造成麻烦，但不会改变其经济触底回升的趋势。

中国经济稳中趋缓

美国政府停摆导致QE的“退而不退”是对中国经济的直接威胁，由于中国正在逐步推进利率市场化、资本项目开放等金融改革，使得中国经济更容易受到美国经济形势与政策不确定性的影响，为国内货币政策的操作带来挑战，不过，在新一届政府稳健的经济政策下，中国经济依然“信心”十足。

虽然中国经济在近几个季度持续下滑，但换来的是健康可持续的发展潜力。统计数据显示，今年上半年，我国国内生产总值（GDP）248009亿元，按可比价格计算，同比增长7.6%。其中，一季度增长7.7%，二季度增长7.5‰从环比看，二季度GDP增长1.7%。其中，消费对GDP的贡献率是45.2%，拉动GDP上涨3.4%；资本形成总额贡献率53.9%，拉动增长4.1%；货物和服务净出口贡献率0.9%，拉动0.1‰从这些数据看，内需和投资已成为近期中国经济的增长的重要“引擎”。

受益于内需的增长，8月份工业生产同比增长10.4%，是今年来首次达到两位数、也是近17个月来的新高。其中重工业生产（包括铁矿石和钢材、交运设备等）增速加快，相应地发电量增速进一步回升。9月PMI也连续3个月回升，较上月提升0.1个百分点至51.1%，虽然改善幅度弱于历史同期，但显示实体经济正在改善，为第三季度GDP增速企稳回升创造了有利条件。

货币政策也为中国经济提供了有力支持。央行货币政策委员会在日前召开的2013年第三季度例会中提出，在继续实施稳健的货币政策的同时，着力增强政策的针对性、协调性，适时适度进行预调微调。事实上，在9月末，各大银行资金紧张，相继收紧贷款的情况下，央行及时释放流动性，预示着未来市场资金面改善，此外，不少机构普遍预期央行将维持目前的基准利率及准备金率不变。

种种迹象均显示，虽然今年第二季度的GDP已经触及7.5%的“下限”，但在新一届政府稳增长政策的作用下，中国经济增长回升已成定局，机构普遍预测第三季度GDP将提升至7.7%左右；第四季度将稳中趋缓，预计在7.6%左右，全年GDP预期增长也在7.6%左右。

无扰动配电技术分析及应用 篇5

1 现有系统切换方式和存在的问题

现在常见的10 kV以下配电系统, 多采用单母线分段的形式。现在微机保护装置也已经广泛地运用在电力系统的短路过载保护当中, 微机保护装置能够对进线电压电流和母线电压电流进行检测, 多台微机保护之间通过通讯或者联锁, 实现故障下的进线和母联的分闸合闸的切换。但是这种切换的方案是电流电压的幅值作为判据的, 切换时间较长, 一般考虑到晃电因素, 以及考虑到母联作为后备保护, 延时一般在0.5 s～1 s, 在考虑断路器动作时间, 母线失电时间过长, 母线残压很低, 高压电动机的低电压保护可能会动作, 即使不动作, 备用回路合闸瞬间的电流冲击也比较大, 对于电动机也会造成较大的冲击;低压系统母线同样因失电过长, 接触器失压脱扣, 会导致电动机停车, 工艺系统停车, 造成停产, 可能带来设备损坏和经济损失。

2 无扰动配电装置的技术方案

一种新产品——无扰动稳定切换装置则可以实时监控电网的运行变化, 通过对电力系统的电流、电压、频率、相角的监控, 当故障出现时, 选择合适的时机进行合闸操作, 使得切换前后系统母线的电压变化冲击的影响减到最小。在6 kV以上电压等级中的备自投切换更换为TPM-300型无扰动稳定控制装置, 实现馈线之间, 馈线和母联之间的快速切换;400 V电压等级中的备自投更换为TPM-310型无扰动稳定控制装置, 实现多开关之间的同期切换, 100 ms内实现切换完成, 确保母线电压不下降 (或母线不失压, 频率下降1 Hz, 相角差30°以内, 残压90%以上) , 低电压保护不启动, 交流接触器不脱扣, 同时防止事故切换中两个电源并列合环, 能够实现工艺流程连续性和稳定性, 实现系统无扰动供电。对于系统中出现的晃动或者母线欠压、保护动作等故障时, 保证了母线段供电不中断或者母线不失压, 能够减少低压脱扣, 同时能极大地降低成组电机的自启动电流。

3 无扰动配电装置主要原理

以TPM-300型无扰动稳定控制装置为例, 在6 kV/10 kV配电系统中, 通常采用单母线或者单母线分段形式, 两回路电源进线供电的形式 (见图1) 。这套装置采用下列几种方式进行切换。

3.1 快速切换

当主电源进线故障跳闸的时候, 切换装置根据对母线, 进线的电压、电流的幅值相位检测, 触发切换启动瞬间, 当主馈线和备用馈线间的相角差、频率差在定值范围内, 即可进行快速切换。快速切换时间小于0.2 s, 这时母线电压和频率衰减的不大, 是切换的最优选择, 实际中取决于母线上负载的数量, 负载越多, 电压、频率下降得越慢。实际上这种方式可以看成是主进线电源故障情况下, 主回路跳闸的同时, 备用回路合闸, 类似于双电源切换, 只是在备用回路合闸考虑到合闸的时间, 合闸命令作了一定程度的提前。根据实际, 用相角来界定, 小于55°可以认为是快速切换, 开关固有合闸时间为100 ms, 则合闸命令需要提前35°, 即可实现备用电源电压与母线残压向量夹角20°以内的快速切换。

3.2 首次同相切换

首次同相切换是在故障发生后, 主馈线立刻跳闸, 通过检测母线残压相角和备用馈线的电压相角变化, 因为残压的相量角速度是衰减的, 慢于正常的电压相量, 在残压相角落后一个周波, 即与馈线相角相同的时候, 这个时候残压与馈线电压的矢量差值最小, 装置控制备用馈线合闸, 这个切换需要精确, 即完全通过实时的频率、相角、幅值的变化规律, 计算出在母线残压与备用电源电压向量第一次相位重合的时间, 并考虑到合闸回路动作总时间, 适时发出合闸指令, 实现精确同相合闸, 此时母线电压衰减到60%～70%左右。

3.3 残压切换

残压切换是指当母线残压衰减到20%～40%额定电压后实现的切换。残压切换作为快速切换和首次同相切换的后备功能。这个切换的条件是在母线的电压衰减到某个允许值的时候, 才可以合上备用馈线, 无需考虑相角和频率差。

3.4 切换方式比较

这几种切换方式中, 快速切换时间最快, 对下游设备的稳定运行, 减少低压系统的交流接触器的脱扣, 将由进线电源故障引起的事故缩到最小范围。但是这种切换装置受到系统运行方式的影响, 如果开关的合闸时间过长, 或者某些故障情况下, 相位角差过大, 不能满足快速切换条件, 另外如果两回路进线来自不同的电源, 可能相位和频率有一定的误差时, 也无法采用快速切换的方式。快速切换的本身对系统也有一定的危险性, 因为系统电压切换的过程是个复杂的动态过程。

首次同相切换相对而言, 安全性要高一些, 切换的成功率比较高。同时首次同相切换能够精确地过零点首次同相合闸, 且不受负荷变化影响, 对设备的自启动很有利, 也可以作为快速切换的后备。在不具备快速切换的条件时, 首次同相切换可以作为后备。

残压切换的时间较长, 需要等待母线的电压衰减到20%～40%的时候才动作, 设备自启动的成功率, 自启动时间都会受到限制, 当然也因为时间长, 所以相对而言, 能够保证设备的安全, 对上级系统的影响也很小。

三种方式中, 首次同相切换综合而言是最为合理的切换方案, 当然如果情况允许, 快速切换效果为最好。

4 实际应用中的前景和问题

无扰动切换装置对于提高供电的可靠性, 降低因电力系统故障造成的设备停电以致停产具有积极意义。可以广泛地应用于石化、化工、钢铁等对于供电可靠性要求较高的企业, 装置类似于微机保护装置, 可以和通常使用的微机保护装置一起保证供电安全。在老厂供电改造中, 可以安装此装置取代原有的母联备自投装置, 提高供电连续性和切换稳定性, 也可以发挥较大的作用。

当然, 供电的可靠性属于系统问题, 无扰动供电技术只是其中的一个方案, 并不能完全解决系统的晃电问题。当下级供电回路发生故障的时候, 任何装置都不会动作, 只能等待故障回路的切除, 进而引起用电设备停电, 以致生产线和工艺流程的中断。另外当系统外发生故障引起的晃电, 考虑到系统的稳定性, 此时装置并不作切换。在实际的应用过程中需要根据需要确定。

摘要：针对现有配电系统的切换方式及其存在的问题, 介绍了一种新型无扰动配电装置, 对其性能、工作原理进行分析, 对该装置的几种切换方式进行了比较, 并结合现有配电系统的工作特点, 探讨了无扰动配电装置在实际应用中的前景。

加权Drazin逆的扰动边界 篇6

关键词：扰动,加权Drazin逆,广义Jordan标准型

1.前言

众所周知, Drazin逆在奇异方程、奇异微分方程、算子理论、马尔科夫链、密码学、迭代等方面有很多实际应用[1, 3, 4, 6, 7]。

1980年, Cline和Greville[2]把Drazin逆的定义由方矩阵推广到一般的长方形矩阵。令AϵCm×n, WϵCm×n, 则存在XϵCm×n满足

其中K=Ind (AW) , 为AW的指标, 是满足rank ( (AW (K) ) =rank ( (AW) K+1) 的最小非负整数, 称X为矩阵A的W-加权Drazin逆, 常用X=Ad, w表示。特别地, 当A为方阵, W=I时, 加权Drazin逆Ad, w就退化为普通Drazin逆AD。A的W-加权Drazin逆有如下性质:

对任意的矩阵AϵCm×n, 分别用R (A) 和N (A) 表示A的列空间和零空间, 由 (1.2) 可知, R (Ad, w) =R ( (AW) K1) , N (Ad, w) =N ( (WA) K2, 其中K1=Ind (AW) , k2=Ind (WA) 。

记B=A+E, A、EϵCm×n。在文献[3-9]中, 已经对长方形矩阵W-加权Drazin逆的扰动作了一定的研究, 本文主要是对[5, 6]的条件作进一步放宽, 并假定A, E满足下列条件之一。

为了得到本文的主要结论, 需要如下几个引理。

引理1.1. ([6]) 设AϵCm×n, WϵCm×n, k=max{Ind (AW) , Ind (WA) }。则有

其中P, Q, A11和W11为可逆矩阵, A22W22和2W22A22为幂零阵。

引理1.2. ([10]) 设

其中A和B分别为ind (A) =r和ind (B) =s的方阵。则

2.主要结论

在这一小结中, 根据广义Jordan标准型, 我们给出了Bd, w的表达式和Ad, w的扰动边界公式.

首先, 我们考虑情形 (1) 。

定理2.1.设B=A+E, 这里A, EϵCm×n, WϵCm×n, k=max{Ind (AW) , Ind (WA) }。当R (EW) ⊆R[ (AW) k], Ad, wWEW<1时。则有Bd, w=T-1Ad, w+ (T-1Ad, wW) 2 E (I-WAWAd, w)

根据引理1.2, 则有Bd, w= (A+E) d, w= ([ (A+E) W]D) 2 (A+E)

其中, T=I+Adw, EEW。

下面, 我们给出W-加权Drazin逆的扰动边界。

定理2.2.设A、B、E、、满足定理2.1中的条件。则

从而 (2.2) 式得证。

推论2.1. ([6]) 设B=A+3, 其中A、B、EϵCm×n, WϵCm×n, k=max{Ind (AW) , Ind (WA) }。如果R (EW) ⊆R[ (AW) k], N[ (WA) K]⊆N (WE) , 则Bd, w= (I+Ad, wWEW) -1Ad, w=Ad, w (I+WEWAd, w) -1,

推论2.2. ([5]) 设B=A+E, 其中A、WϵCm×n、k1=Ind (AW) , 如果R (EW) ⊆R[ (AW) K1], N ( (AW) K1) ⊆N ( (AW) K1) EW) , ||Ad, wWEW||<1。则Bd, w=T-1Ad, w+ (T-1Ad, wW) 2 E (I-WAWAd, w) ,

这里T和Δ与定理2.1和定理2.2相同。

证明.因为N ( (AW) k1) ÍN ( (AW) k1EW) , 所以 (AW) k1EW (I-AWAd, wW) =0,

因此Ad, wWEW (I-AWAd, wW) =0。

据定理2.1和定理2.2结论可证。

如果A为方阵, W=I, 那么我们从上面的定理中可以得到方阵Drazin逆的扰动边界。

推论2.3.设B=A+3, A, EϵCm×n, k=Ind (a) , 假定R (E) ⊆R (AK) , AD E<1。

接下来, 我们给出满足条件 (2) 的矩阵A的加权Drazin逆扰动边界。

定理2.3.设B=A+E, 其中A、B、EϵCm×n, WϵCm×n, k=max{Ind (AW) , Ind (WA) }。如果N[ (WA) k]ÍN (WE) , d, wWEWA<1。则Bd, w=Ad, wZ-1+ (I-AWAd, wW) E (WAd, wZ-1) 2+ (A+E) (I-WAd, wWA) ki=å0-1 (WA) iWE (WAd, wZ-1) i+3, 其中Z=I+WEWAd, w。

我们再讨论基于定理2.3的W-加权Drazin逆。

定理2.4.设A、B、E、、满足定理2.3中的条件。则

推论2.4.设B=A+E, A、EϵCm×n, k=Ind (A) 。如果N (AK) ⊆N (E) , |EAD|<1。则

推论2.5. ([5]) 设B=A+E, A、EϵCm×n, WϵCm×n, k2=Ind (WA) 。如果N[ (WA) k 2]ÍN (WE) , R (WE (WA) k2) ÍR ( (WA) k2) , |WEWAd, w|<1。则

其中Z和Q分别与定理2.3和定理2.4中的相同。

参考文献

[1]Guorong Wang, Yimin Wei, Sanzheng Qiao, General-ized Inverses:Theory and Computations, Science Press, Beijing, 2004.

[2]R.E.Cline, T.N.E.Greville, A Drazin inverse for rectan-gular matrices, Linear Algebra Appl.29 (1980) 53-62.

[3]Yimin Wei, Guorong Wang, The perturbation theory for the Drazin inverse and its applications, Linear Algebra Appl.258 (1997) 179-186.

[4]V.Rakocevic, Yimin Wei, A weighted Drazin inverse and applications, Linear Algebra Appl.350 (2002) 25-39.

[5]N.Castro-González, J.Y.Vélez-Cerrada, The weighted Drazin inverse of perturbed matrices with related sup-port idempotents, Appl.Math.Comput.187 (2007) 756-764.

[6]Yimin Wei, Ching-Wah Woo, Tiangang Lei, A note on the perturbation of the W-weighted Drazin inverse, Appl.Math.Comput.149 (2004) 423-430.

[7]Yimin Wei, Integral representation of the W-weighted Drazin inverse, Appl.Math.Comput.144 (2003) 3-10.

[8]N.Castro-Gonzalez, J.J.Koliha, Yimin Wei, Perturba-tion of the Drazin inverse for matrices with equal eigenprojections at zero, Linear Algebra Appl.312 (2000) 181-189.

[9]Yimin Wei, A characterization for the W-weighted Dra-zin inverse and a Cramer rule for W-weighted Drazin inverse so-lution, Appl.Math.Comput.125 (2001) 303-310.

短时电压扰动检测与定位新方法 篇7

短时电压扰动如电压暂降、电压暂升、电压中断是配电系统中常见的电能质量扰动现象。近年来微处理器控制的工业设备和电力电子设备在工业系统中得到广泛应用,而短时电压扰动是使这些敏感设备不能正常工作的主要原因,因而近年来受到国内外学者和工业界的广泛关注。

短时电压扰动事件主要从电压偏离程度和持续时间两个指标进行表征,但这些指标是从均方根曲线计算得到的,从时间角度来看偏离了短时电压扰动事件的真实发生和结束时刻,对分析设备在受电压扰动情况下的性能产生较大影响,因此短时电压扰动的时间定位问题在分析短时电压扰动影响中成为焦点问题。小波变换[1]是最常用的方法,通过小波变换模极大值理论获取信号的突变点,从而得到信号的时间定位。文献[2]采用三次样条函数作为小波函数并利用阈值去噪方法及ad hoc搜索算法得到噪声环境下的时间定位;文献[3]采用db6小波作为小波函数,利用模极大值在不同分解层上的传递特性不同获得时间定位。小波变换缺点是在不同尺度上模极大值分布集中性较差,且易受噪声干扰。文献[4]中提出的dq变换法首先构造虚拟的三相系统,然后进行dq变换得到电压有效值曲线,该电压有效值曲线可以较准确地得到电压扰动的时间定位,但该方法一方面需要构造虚拟三相系统,另一方面需要原信号的同步信号才能准确获得dq变换,在电压发生扰动的情况下,该信号不易获得。Teager能量算子方法[5]是一种解调方法,能够快速获取调幅调频信号包络线,具有良好的实时性,但该方法对噪声非常敏感;文献[6]提出了在原始信号上叠加一个对称三角模态的方法保留信号的扰动信息,采用分段EMD和Teager能量算子求取扰动幅值包络的分析方法。文献[7]提出的信号自回归模型法是通过已有信号根据自回归模型对信号进行预测并与实际信号比较,二者的差值曲线上在信号的突变点处产生较大差值从而获得突变点的时间定位。该方法需要逐点地自回归运算并与实际信号比较才能够得到差值曲线。

本文提出了基于奇异值分解技术的短时电压扰动检测的方法。首先根据电压信号的采样序列构造Hankel矩阵,并对该矩阵进行奇异值分解。利用上述的分解结果计算对应于各个奇异值的分解信号。这种信号分解方法是原信号的一种线性分解。在某些分解层信号上,短时电压扰动信号的起始和结束时刻表现为剧变,从而实现扰动的时间定位。从原采样序列中扰动起点时刻的左右两侧各取一个周波的采样点进行FFT运算,获取扰动发生前后的基波电压幅值,根据幅值关系可以确定扰动类型并可计算指标。为检验上述方法的正确性,搭建了短时电压扰动模拟电路,并基于Lab VIEW虚拟仪器检测平台建立实验系统,实验结果证明了本文所提方法的有效性,性能比小波变换方法优越。

1 基于奇异值分解的扰动检测与定位方法

对于一个实矩阵A∈Rm×n,必定存在正交阵U∈Rm×m和V∈Rn×n使得式(1)成立:

其中:

或其转置(取决于mn),其中,O为零矩阵,p=min(m,n),且有σ1>σ2…>σp>0,σi(i=1,…,p)称为矩阵Α的奇异值,式(1)称为Α的奇异值分解。

利用奇异值分解对信号进行处理的关键是如何从信号的采样序列构造出合适的矩阵Α。本文中根据信号的采样序列构造Hankel矩阵,通过对该Hankel矩阵做奇异值分解后,计算信号的一个多层分解,信号的奇异性可以在分解信号中表现出来。

对于一个N点采样序列向量X=[x1,x2,x3,…,xN],构造其Hankel矩阵如式(5)所示。

式中:1

对构造矩阵Α进行奇异值分解得到类似式(1)的结果,对式(1)进行展开有:

其中:ui∈Rm×1;vi∈Rn×1;i=1,2,…,p;p=min(m,n)。

令:

令每个Ai矩阵的第一行为Pi,1,第n列除去第一行的元素外记为Hi,n,如图1所示,将Pi,1同HiT,n构成一个向量,即

其中:Pi,n∈R1×n,Hi,n∈R(m-1)×1

可以证明[8]:X=i=∑1pP i(9)

从式(9)可以看出,通过对原始信号采样序列构造Hankel矩阵并进行奇异值分解,进而计算各个分解层信号Pi,得到原始信号的线性分解。采用文献[9]中的电压暂降模型,在Matlab下生成信噪比为35 dB的电压暂降信号如图2(a)所示。按照上述方法,对该信号进行分解,得到5层分解信号P1至P5,如图2(b)~(f)所示。可以看出,在P3至P5P分解层上,信号的突变点位置表现为剧烈的突变,且突变点的标识在各层上均有较好的集中性。在P1至P5分解层中,相对于由信号突变引起变化,噪声引起的各层信号变化较小。因此上述方法在突变点定位方面具有良好的特性,对原信号中的噪声不太敏感。短时电压扰动的起始和结束时刻表现为电压信号的突变,因此采用上述的方法可以对短时电压扰动进行时间定位。

2 短时电压扰动的类型确定及指标计算

根据电压扰动信号的奇异值分解对扰动发生及结束时刻的时间定位,可以确定电压扰动的类型并对特征数据进行计算。假定短时电压扰动的电压采样序列为X=[x1,x2,x3,…,xN],由前述的时间定位算法得到的扰动发生时刻的索引值为k,以xk为界,在其左右两边分别各取一个周波的信号长度,令:

其中:n为信号的周波采样点数。利用FFT分别计算X1、X2基波幅值。根据IEEE标准[10],若X2基波幅值介于X1基波幅值的10%~90%,则说明该电压扰动为电压暂降;若X2基波幅值小于X1基波幅值的10%,则说明该电压扰动为电压短时中断;若X2基波幅值大于X1基波幅值的110%,则说明该电压扰动为电压暂升。电压扰动信号持续时间可以根据起始和结束时刻的索引值之差乘以采用间隔得到。

3 测量实例分析

为测试本文所提出的方法在实际工程应用中的有效性,搭建了如图3所示的实验电路,K为固态开关,通过控制开关K的导通与断开可以模拟电压暂降或电压暂升。

基于Lab VIEW虚拟仪器检测平台,搭建完整数据采集与处理系统。系统的采样频率为6 400 Hz,并对采样信号进行归一化处理。利用本文所提方法对信号进行6层分解,得到分解层信号P1~P6。图4为某次实验获得的电压波形图,图5为该信号的分解结果。

从图5中的P4、P5和P6分解层可以得到电压扰动的起点和终点的时间定位信息。根据电压扰动的起点定位,在原信号中扰动起点两侧各取一个周波信号进行FFT变换,得到该电压扰动基波电压的幅值分别为1.12 p.u.和0.846 p.u.,因而断定该电压扰动为电压暂降,电压暂降剩余电压为75.5%。

4 与小波变换方法的比较

利用db4小波对图6所示电压扰动信号进行5层分解,得到各分解信号a5、d1~d5,如图6所示。因获取的电压信号有噪声干扰,可以看出,在d1分解层尚可以得到信号的时间定位信息,但在其他层,信号的突变点被噪声干扰所埋没,造成电压暂降的起点和终点信息仅能根据一个分解层判断,其性能不如本文提出的方法优越。

5 结论

本文给出了基于奇异值分解技术的短时电压扰动检测方法。首先通过电压采样序列构建Hanke矩阵,并在计算该矩阵奇异值分解的基础上,计算信号的线性分解,利用信号在分解层上的剧变特性得到扰动发生的起点和终点时刻。在原采样序列中起点两侧各取一个周波信号进行FFT运算得到扰动发生前后的基波幅值,根据这两个基波幅值关系可以确定扰动类型及计算指标。通过搭建基于Lab VIEW虚拟仪器检测技术平台的实验系统,证明本文所提方法的正确性,并与小波变换方法进行比较,说明本文所提方法比小波变换优越。

参考文献

[1]Santoso S,Powers EJ,et al.Power Quality Assessment via Wavelet Transform Analysis[J].IEEE Trans on Power Delivery,1996,11(2):924-930.

[2]胡铭,陈珩.基于小波变化模极大值的电能质量扰动检测与定位[J].电网技术,2001,25(3):12-16.HU Ming,CHEN Heng.Detection and Location of Power Quality Disturbances Using Wavelet Transform Modulus Maxima[J].Power System Technology,2001,25(3):12-16.

[3]刘连光,贾文双,肖湘宁,等.用小波变换和有效值算法实现电压凹陷的准确测量[J].电力系统自动化,2003,27(11):30-33.LIU Lian-guang,JIA Wen-shuang,XIAO Xiang-ning,et al.Measurement method of Voltage Sag by Wavelet Transform and RMS Method[J].Automation of Electric Power Systems,2003,27(11):30-33.

[4]张秀娟,徐永海,肖湘宁.基于dq变换与小波变换的电能质量扰动检测与识别方法[J].电力自动化设备,2005,25(7):1-5.ZHANG Xiu-juan,XU Yong-hai,XIAO Xiang-ning.Power Quality Disturbance Detection and Identification Based on dq Conversion and Wavelet Transform[J].Electric Power Automation Equipment,2005,25(7):1-5.

[5]Abdelgalil T.Automated Recognition System for Power Quality Disturbances[D].Ontario:The University of Waterloo,2003.

[6]王波,杨洪耕.基于EMD和TEO的电力系统短期扰动检测新方法[J].继电器,2006,34(8):56-61.WANG Bo,YANG Hong-geng.A New Method Based on Empirical Mode Decomposition and Teager Energy Operator for Detection of Short-term Power System Disturbance[J].Relay,2006,34(8):56-61.

[7]田立军,秦英林,孙晓明.变压器空载合闸导致电能质量问题研究[J].电力自动化设备,2005,25(3):41-43.TIAN Li-jun,QIN Ying-lin,SUN Xiao-ming.Study of Power Quality Problems Caused by No-load Transformer Commission[J].Electric Power Automation Equipment,2005,25(3):41-43.

[8]赵学智,叶邦彦,陈统坚.矩阵构造对奇异值分解信号处理效果的影响[J].华南理工大学学报:自然科学版,2008,36(9):86-93.ZHAO Xue-zhi,YE Bang-yan,CHEN Tong-jian.Influence of Matrix Creation Way on Signal Processing Effect of Singular Value Decomposition[J].Journal of South China University of Technology:Natural Science Edition,2008,36(9):86-93.

[9]He Haibo,Starzyk JA.A Self-organizing Learning Array sSystem for Power Quality Classification Based on Wavelet Transform[J].IEEE Trans on Power Delivery,2006,21(1):286-295.

气动阀门在线无扰动维修的方法 篇8

关键词：气动阀,自控部件,在线无扰动

随着工业生产的发展, 气动阀门在石油、化工等工业企业中已广泛使用的工业过程控制仪表之一, 气动阀门是工业管道系统自动化的一种重要装置。气动阀门给工业生产特别是长期连续生产的装置带来了极大的便利, 但是因自控部件为易损件, 所以一直伴随着在线无扰动维修的困惑, 特别在一些大型长期连续生产的化工厂和聚酯厂, 因维修或更换气动阀门的自控部件导致整条生产线跳停, 给企业及生产车间造成严重的经济损失。为此需要认真的研究、完善和改进。

1 气动阀门目前生产应用中存在技术问题的概况

在部分连续生产装置 (如聚酯装置) 中起控制产品质量和品质的气动阀, 因工艺介质的特性决定该调节阀处不能配备旁路管线, 为此该气动阀的作用就十分重要, 一旦阀门故障在限定的时间内如不能够排除故障, 则将导致连锁反应跳停整条生产线。例如:聚酯装置采用美国杜邦技术, 三釜流程生产线, 其中的物料调节阀、反应釜内真空度调节阀和动力蒸汽的开关阀等等。

2 改造后的气动阀的生产应用技术概况

2.1 改造后的气动调节阀的控制结构示意图1

(1) 红色部分为改造内容。

(2) 所需部件:空气过滤减压器1个 (B2) , 气源小球阀3只 (A2、A3、A4) , 卡套三通接头1个 (C1) , 紫铜管2 m。

2.2 改造后的气动调节阀工作原理

(1) 正常运行时:气源小球阀A1和A3打开, A2和A4关闭。

(2) 异常时:主要指空气过滤减压器 (B2) 和电/气阀门定位器故障时, 则将气源小球阀A2和A4打开, 将B2的压力调到S/PPOS的正常输出压力值, 再将A1和A3关闭, 则根据工艺生产需求手动调节B2的输出压力, 可确保生产平稳运行。因B1和S/PPOS已完全隔离出来, 则可彻底维修保养或更换备件, 待完全维修保养好后, 再投入在线运行。投用方法:首先打开A1, 调节B1到设定值, 通过远程调节后使S/PPOS的输出压力与B2的输出压力一致, 则打开A3后关闭A2和A4。

以上则是在线无扰动维修气动调节阀的一个操作规程。

2.3 气动开关阀的改造方法类同于气动调节阀的改造, 本文不再重复介绍

3 气动阀门实现在线无扰动维修的主要优点及效益

3.1 确保设备长期平稳运行, 降低生产装置的异常波动或全线跳停的频率, 有效降低生产运行的单耗, 全面提高产品的质量品质

例如, 杭州翔盛纺织有限公司年产30万吨的聚酯装置, 其中有11台气动阀门直接控制产品的质量, 在气动阀未实现在线无扰动维修保养之前, 每年都会因气动阀门故障导致整条生产线异常一至两次, 每次造成企业损失100万元人民币左右。在这11台气动阀门实现在线无扰动维修保养后, 因气动阀故障导致生产异常的现象在杭州翔盛纺织有限公司已不复存在, 为企业创造了更多的经济效益。

3.2 操作方便、响应及时、安全可靠

尽管部分调节阀配套旁路管线应急但是对于部分装置中介质的反应快速, 阀门口径较大, 开启旁路应急控制需要一段时间。在实际生产中当口径较大的调节阀突发故障, 待操作人员赶到现场, 隔离调节阀再开启旁通阀, 一般需要2人以上方可操作, 加上旁通手阀平时很少动作, 导致开启或调节开度十分困难, 因此会给正常生产造成较大波动或全线跳停。例如:在杭州翔盛纺织有限公司年产30万吨的聚酯装置其中有1台酯化热媒调节阀 (阀门口径为DN800) 的安全保护电磁阀故障, 导致调节阀全关闭, 安全联锁动作;最后整条生产线跳车, 给企业造成较大的经济损失。在气动阀门实现在线无扰动维修保养后, 该异常事故在杭州翔盛纺织有限公司已不复存在。

3.3 经济实用

本改造所需部件成本较低, 改造方法简单, 普通的仪表工则可完成。与气动阀门配带手轮应急调节相比较, 有以下优点。

(1) 成本较低, 同一厂家相同管径的两台调节阀, 一台配有手轮调节功能, 另外一台则无手轮, 这两台阀门的价格相差较大前者价格较高。

(2) 改造简单, 配有手轮调节功能的阀门其执行器的结构与无手轮的执行器结构完全不同, 机械方面要求较高, 制作工艺也较为复杂。

(3) 应用广泛, 配有手轮调节功能的阀门在管径较小的情况下使用则比较灵活但是在管径较大的情况下则操作迟缓很不实用。相反本改造方案适用面较宽, 操作简单方便, 控制精度较高, 实用性较强。

4 结语

本文提出的气动阀在线无扰动维修的方案, 已通过实践证明可确保阀门长期稳定运行, 降低生产装置的异常波动和全线跳停的频率。同时为电仪维修专业提供极大的方便, 为企业创造了更多了利润。

参考文献

[1]CHEMTEX 503129-1620-818 PID工艺流程图.

[2]吴忠仪表CV3000系列调节阀的使用说明书.

[3]Zimmer wuji PET IV HLPET009安装图SL101-BS632.

交直流混合系统扰动识别研究 篇9

我国已形成全国联网的大电网格局, 交直流混合输电系统在跨区电网互联中发挥着重要的作用, 交直流混合系统的动态特性也更为复杂。在大规模互联电网中, 安全稳定运行一直是人们关注的焦点, 全国联网在带来巨大经济社会效益的同时, 也对电力系统安全稳定运行带来很多的新问题。

当电网发生扰动时, 如果能够迅速准确地判断扰动类型, 及时采取合适的应对措施, 就能有效防止扰动扩散, 并对后续电网的恢复提供可靠依据和重要帮助。因此, 研究交直流混合系统的电网扰动识别对电力系统的安全稳定运行具有重要的意义, 对电网安全稳定措施的制定将有重要的作用。

2 直流输电系统概述

2.1 直流输电系统构成

直流输电系统是以直流电的方式实现电能传输的系统, 与交流输电相互配合构成现代电力传输系统。一个双极两端直流输电系统的主要元件示于下图, 下面简述各元件的功能:

(1) 换流器:实现交/直流和直/交流的变换, 由阀桥和带负载调分接头的变压器组成

(2) 平波电抗器:一般是大型电抗器, 串接在换流器的每一极上, 用来减小直流回路内的谐波电压和谐波电流, 防止逆变器的换相失败, 防止轻载时的电流不连续, 在直流线路短路时, 限制整流器的峰值电流。

(3) 交/直流滤波器:解决换流器在交/直流两侧都产生谐波电压和谐波电流的问题。

(4) 无功功率电源:直流换流器本身要吸收无功功率。

(5) 接地极:多数直流输电系统都设计成利用大地作为中性线。接地需要很大表面积的导体以便最大限度地减小电流密度和表面电源梯度, 这种导体称为接地极。

(6) 直流线路:可以是架空线或电缆。

(7) 交流断路器:为切除变压器的故障和使直流线路停运, 在交流侧要用断路器。

2.2 交直流混合系统特有问题

与交流输电相比, 直流输电具有如下技术特点:不存在因输电距离而出现的稳定性制约问题;可以方便调节潮流;不增加交流系统的短路容量;特别适合于大功率、远距离输电;从网络结构上彻底地根除了产生低频振荡的可能;从网络结构上隔断交流故障的传递, 是预防发生大面积停电事故的有效措施。但是, 交直流混合运行也带来一些新的问题:

(1) 直流输电系统对交流系统有一定的负面影响。主要表现为: (1) 直流输电系统故障对交流稳定冲击, 特别是双极闭锁冲击很大。 (2) 直流输电系统接地极电流入侵交流变压器会导致变压器励磁电流畸变。 (3) 直流输电系统的快速恢复通常情况下将有助于缓解交流系统中功率的不平衡, 但有时过快的直流功率恢复却可能造成后继的换相失败和交流系统的电压失稳。

(2) 交流系统异常对直流系统产生影响, 甚至造成直流双极闭锁事故。突出表现为: (1) 逆变侧附近交流线路发生接地故障, 经常造成换相失败。 (2) 交直流系统混合运行的保护配合问题研究不够深入存在定值不当直流保护系统考虑不周等, 发生过交流系统故障引起直流系统未避开区外故障而双极闭锁的事故。

(3) 大扰动下各条直流的控制策略十分关键, 与单馈入直流输电系统相比, 交直流混合系统中, 可用的直流调制的手段更为多样, 所需考虑的问题也更为复杂。故障恢复过程中各直流协调控制策略的选取将对系统动态特性产生重要影响。

3 交直流混合系统扰动识别

交直流混合系统扰动状态下的动态特性比单纯的交流系统情况复杂得多。下面以直流输电闭锁扰动机理为研究重点, 对比交流系统的短路、切机、切负荷的扰动特征, 提出初步的扰动识别分类。

3.1 直流闭锁扰动机理分析

造成直流单极闭锁的主要原因有:换流器故障、直流线路故障以及交流故障。由于直流系统控制装置的响应速度 (毫秒级) 远高于交流系统的常规控制器 (几十至几百毫秒级) , 因此当故障发生后, 直流系统可迅速地实现功率停送使之与故障隔离;而交流系统由于发电机转子惯性和控制器特性不能很快做出响应, 这就有可能导致交流系统动态性能恶化。

由于直流换流器工作需要大量的无功功率, 因此, 在直流系统交流侧接有一定数量的交流滤波器和无功补偿电容器, 用来滤波和补偿换流器所需的无功功率。因此, 当直流闭锁时, 在直流输电系统两侧将剩余大量无功, 这可能导致系统电压稳定问题。

3.1.1 直流闭锁后整流侧交流系统动态特性

闭锁发生后直流系统整流器将闭锁触发脉冲以截断功率传送, 这将使整流站侧交流系统瞬间剩余大量有功和无功功率。在调速器动作之前, 原动机机械转矩近似不变, 失去负荷的送端机组机械转矩将大于电磁转矩, 根据发电机转子运动方程, 转子加速, 发电机功角增大, 从而整流侧系统交流频率瞬间增大。

同时, 由于直流系统发生单极或双极闭锁时, 直流负荷急剧减少, 无功消耗随之减少, 多余的无功功率将促使系统电压上升, 使得整流站母线上出现一定的电压振荡并有明显工频电压升高, 且换流母线上的电压在这两种故障下也出现明显的振荡。

当换流器闭锁后, 需及时切除所有无功补偿设备及滤波器, 这对于维持较弱的交流系统的电压水平是十分重要的, 但由于断路器及保护动作有一定的短暂延时 (50～70ms) , 当延时切除闭锁极的无功补偿设备后, 交流电压将会降低。

3.1.2 直流闭锁后逆变侧交流系统动态特性

对直流系统的逆变侧, 故障发生后直流系统逆变器将迅速投入旁通对保护换流阀, 使功率停送至交流系统, 对逆变站侧交流系统就造成有功功率缺额和无功功率剩余。处于电网受端机组由于失去电源供给, 机组承担的负荷增加, 电磁转矩升高, 在调速器动作前, 原动机的机械功率近似不变电磁转矩将大于机械转矩角速度下降进而引起频率下降。

与整流侧动态分析相似, 由于延时切除无功补偿装置, 因此, 逆变侧交流电压在上升后也将回落。

3.2 扰动识别分类

3.2.1 其他典型扰动特征分析

(1) 三相短路

大电网中发生短路时, 在调速器动作之前, 原动机的机械转矩近似不变。处于电网送端机组由于失去负荷, 机械转矩将大于电磁转矩, 角速度就会增加;而处于电网受端机组失去电源供给, 电磁转矩大于机械转矩, 角速度下降。此时, 在短路动态过程中, 系统中不同节点频率也将产生不同程度的波动。电源频率取决于自身原动机的能量输入和其他机组同步力矩对它的牵制及负荷的分布, 因此和电网中无源节点的频率存在着差异。负荷节点的频率, 取决于系统内各电源等值电动势相量的相对运动, 传递到该节点的电压相量在时间轴上的运动轨迹。小容量电力系统当短路切除时间较长时, 也将引起频率的明显降低。

短路时由于电流未经负载而经短路点构成闭合回路, 以致阻抗减小, 故障相电流增大。由于发电机仅有正序电动势, 所以对于正序电压, 从故障点到电源逐渐升高, 到电源点等于电动势, 因此, 母线及线路上各点电压降低。

(2) 切机

切机时, 发电机突然从电网退出运行, 与电网直接没有能力交换, 输出的电磁功率为零。系统发生功率缺额时频率会降低。频率降低时, 因为发电机的电势和发电机转速有关, 系统的电压也随之降低。在大容量系统中, 电压和频率变动较小。且由于系统局部频率和相角是同步变化的, 所以切机时其他发电机的功角偏差为负。

(3) 切负荷

负荷的突然变化会引起电网中有功和无功的不平衡。由于各发电机组的调节作用, 负荷会在机组间重新分配, 导致系统各点频率的波动, 而有功的输送需要无功的支撑, 因而导致电压的波动。

由于负荷减小、原动机功率不变, 转子储存的动能将增加, 以维持系统能量均衡。转子动能增加使机组转速上升, 频率会相应升高。频率升高时, 系统电压也随之升高。因频率和相角是同步的, 所以相角也会增大。

3.2.2 扰动识别判据

总结上述部分的理论分析, 可得出反映交直流系统几种典型扰动的识别判据如下表所示。

4 结论

本文从研究交直流系统中直流输电单极闭锁机理着手, 结合直流输电系统模型重点分析了当发生直流单极闭锁扰动时系统各电气量的变化特征。通过与交流系统中典型扰动 (短路、切机、切负荷) 的机理和特征进行比较, 提出了一套适用于交直流混合系统的扰动识别判据。该判据以相关扰动机理特征为基础, 可直接反映出系统扰动类型。

参考文献

[1]浙江大学发电教研室直流输电科研组.直流输电[M].北京:电力工业出版社, 1985.

[2]赵畹君, 余军, 等.高压直流输电工程技术[M].北京:中国电力出版社, 2004.

[3]王磊.交直流混合系统状态估计研究[D].北京:中国电力科学研究院, 2004.

[4]徐政.交直流电力系统动态行为分析[M].北京:机械工业出版社, 2004.

[5]徐政, 杨靖萍, 高慧敏.南方电网多直流落点系统稳定性分析[J].高电压技术, 2004, 30 (11) :21-26.

[6]陈荔, 刘会金, 陈格桓.多回直流输电系统稳定性研究[J].电力自动化设备, 2005, 25 (8) :47-49.

[7]莫琦, 张尧, 武志刚, 等.交直流互联系统暂态电压稳定问题仿真分析[J].电力系统及其自动化学报, 2006, 18 (6) :87-90.

[8]黄莹.交直流电力系统动态特性分析方法研究:[D].浙江:浙江大学, 2005.