CN110850206A - 基于置信规则推理的逆变器电容老化故障诊断方法 - Google Patents
基于置信规则推理的逆变器电容老化故障诊断方法 Download PDFInfo
- Publication number
- CN110850206A CN110850206A CN201911108866.3A CN201911108866A CN110850206A CN 110850206 A CN110850206 A CN 110850206A CN 201911108866 A CN201911108866 A CN 201911108866A CN 110850206 A CN110850206 A CN 110850206A
- Authority
- CN
- China
- Prior art keywords
- rule
- confidence
- input
- reference value
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/003—Environmental or reliability tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Abstract
本发明公开了一种基于置信规则推理的逆变器电容老化故障诊断方法,该方法在不同电容老化故障程度下,从变频器直流母线上采集直流母线电压特征值,并将其作为置信规则推理方法的输入,电容老化故障等级作为输出。首先设定输入输出的参考值集合,然后建立诊断置信规则库。通过每组输入数据激活多条规则,计算规则权重,并根据权重将激活的多条规则进行融合,得出每组输入所对应输出的置信结构,最终判断输出,实现对电容老化故障的诊断。
Description
技术领域
本发明涉及电气故障诊断技术领域,具体地指一种基于置信规则推理的逆变器电容老化故障诊断方法。
背景技术
逆变器是变频调速环节中最重要,最复杂的设备之一,同时发生故障的概率高。在船舶电力推进系统领域,逆变器将直流电能转换为交流电提供给推进电机。逆变器中直流母线电容作为逆变器的最基本元件,起到补偿电容所需功率,为逆变器提供输入电流,减少谐波,吸收回馈能量,提供瞬时峰值功率,平抑电网电压波动等作用。
电容器作为逆变器的核心部件,其寿命相对于逆变器服役时间较短,随着工作时间的变长,其内部电解液的损耗增多,电解液不断蒸发变稠,最终导致电容逐渐老化,使得电容量下降。在电容量不足的情况下,逆变器带载运行会出现过流,欠压等现象,使得系统工作不稳定,严重时可能会造成系统停机。
发明内容
本发明的目的就是要提出一种基于置信规则推理的逆变器电容老化故障诊断方法,该方法通过采集电容不同老化故障下的直流电压瞬时值,将其转化为直流电压的均方根值和峰峰值作为置信规则推理方法的输入,对应的电容老化等级作为输出。建立故障诊断置信规则库,通过融合输入数据所激活的规则,判断电容老化的故障等级。
为实现此目的,本发明所设计的一种基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于,它包括如下步骤:
步骤1:从变频器直流母线中采集不同电容老化程序下直流电压的瞬时值VDC,将其转化为直流电压的均方根值和峰峰值,作为置信规则推理方法的输入,相应的电容老化程度作为置信规则推理方法的输出;
步骤2:设定输入信号参考值集合,根据电容老化程度设定输出等级;
步骤3:构建电容老化故障的置信规则库,电容老化故障的置信规则库由L条规则组成,用于描述置信规则推理方法的输入fi(t)与电容老化故障程度y(t)之间的关系;
步骤4:根据置信规则推理方法的输入fi(t)的参考值,将样本数据即步骤1的输入输出数据转化为参考值的匹配度;
步骤5:根据样本数据及步骤4中计算的匹配度,寻找相对应的是置信规则库的规则并激活,计算所激活规则的权重wk;
步骤7:选择最大的置信度对应的等级作为输出等级。
本发明在不同电容老化故障程度下,从变频器直流母线上采集直流母线电压特征值,并将其作为置信规则推理方法的输入,电容老化故障等级作为输出。首先设定输入输出的参考值集合,然后建立诊断置信规则库。通过每组输入数据激活多条规则,计算规则权重,并根据权重将激活的多条规则进行融合,得出每组输入所对应输出的置信结构,最终判断输出,实现对电容老化故障的诊断。
本发明方法通过监测直流母线电压信号通过制定置信规则库来实时推理判断逆变器电容老化程度,达到了很好的效果。该方法能够将监测数据和专家经验进行一个有效地结合,可以恰当的描述专家熟知领域中两个间接变量的关系。此外,根据变进置信规则库中的规则也可以推广到其他领域的故障诊断中。
附图说明
图1为本发明的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明:
如图1所示的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于,它包括如下步骤:
步骤1:从变频器直流母线中采集不同电容老化程序下直流电压的瞬时值VDC,将其转化为直流电压的均方根值和峰峰值,作为置信规则推理方法的输入,相应的电容老化程度作为置信规则推理方法的输出(在采集电压信号时是在不同电容老化程度下采集的,所以这里相应的电容老化程度指的是最初在电容某种老化程度下采集信号时的程度);均方根值即RMS值,也称为有效值,这是一种常见的计算方式。峰峰值是一个周期内信息最高值和最低值之间的差,反映信号变化范围的大小,具体计算方法是分别用每个电压周期的最大值减去最小值;
步骤2:设定输入信号参考值集合(为预设集合根据专家经验设定),根据电容老化程度设定输出等级(电容老化程度的轻度老化,中度老化和严重老化分别对应等级1,2,3);
步骤3:构建电容老化故障的置信规则库,电容老化故障的置信规则库由L条规则组成,用于描述置信规则推理方法的输入fi(t)与电容老化故障程度y(t)之间的关系;
步骤4:根据置信规则推理方法的输入fi(t)的参考值,将样本数据即步骤1的输入输出数据转化为参考值的匹配度;
步骤5:根据样本数据及步骤4中计算的匹配度,寻找相对应的是置信规则库的规则并激活(例如,输入f1(t)的值落在两个参考值之间,这两个参考值分别对应两条规则,只要f1(t)落入了两个参考值之间,那么这两条规则就会被提取出来,这就是“激活”),计算所激活规则的权重wk;
步骤7:选择最大置信度下的输出等级作为输出结果,等级指的是电容的老化程度等级,也是输出等级,轻度老化对应等级1,中度老化对应等级2,严重老化对应等级3。
上述技术方案的步骤2中,通过欧式距离算法或专家经验构建电容老化故障的置信规则库。
上述技术方案的步骤1中,通过变频器以预设的(如50kHz)采样频率采集电容不同老化等级y(t)下的直流母线上电压的瞬时值VDC,并将其以预设的时间长度(如0.02秒)计算VDC的均方根值VR(t)和峰峰值VP(t),作为置信规则推理法的输入f1(t)和f2(t),将f1(t)和f2(t),y(t)作为样本集合S={[f1(t),f2(t),y(t)]|t=1,...,T},T表示样本总数量。
上述技术方案的步骤2中,设定输入信号参考值集合Ai={Ai,j|j=1,...,Ji},i=1,2,其中Ji为第i个输入的参考值个数,设定输出等级D={Dn|n=1,...,N},其中N为输出等级的个数,输入信号参考值集合A1和A2是采集到的直流母线电压均方根值和峰峰值的参考值集合。在这里设置输入参考值集合为:A1={0,0.1224,0.3248,0.4110,0.7278},A2={0,0.6455,0.8150,0.8986,0.9484},D={1,2,3}。
上述技术方案的步骤3中,构建电容老化故障置信规则库,描述置信规则推理方法的输入fi(t)与电容故障等级之间的关系,规则可表述为:
Then{(D1,β1,k),(D2,β2,k),(D3,β3,k)} (1)
式中:Rk表示置信规则库中的第k条规则,fi表示t时刻的第i个输入量,输入量是指电压的均方根值和峰峰值,这里的i=1,2,所以这里的输入量这三个字只用来泛指置信规则推理方法的输入量;表示第k条规则中第i个输入量的参考值,k=1,…,L;βn,k表示在第k条规则下,对应输出等级Dn的置信度,满足该公式表示在第k条规则中,如果f1对应参考值且f2对应参考值那么输出就为Then{(D1,β1,k),(D2,β2,k),(D3,β3,k)},整个置信规则库如表1所示:
表1置信规则库表
上述技术方案的步骤4中,将样本数据转化为参考值匹配度,对于样本任一输入fi(t),其值必定符合以下三种情况:大于输入信号参考值集合的最大值,小于输入信号参考值集合的最小值,落入输入信号参考值集合中相邻两个参考值的区间中;当fi(t)小于等于输入信号参考值集合中的最小值Aimin,此时fi(t)对Aimin的匹配度为1,对其它参考值的匹配度为1,当大于等于输入信号参考值集合中的最大值Aimax时,此时fi(t)对Aimax的匹配度为1,对其它参考值的匹配度为0;当Aimin≤fi(t)≤Aimax时,fi(t)对输入的参考值[Ai,j,Ai,j+1]的匹配度αi,j和如式(2)所示:
αi,j=(Ai,j+1-fi(t))/(Ai,j+1-Ai,j)
上述技术方案的步骤5中,对于任意一组输入数据[f1(t),f2(t)],除超出参考值最大最小值的情况以外,单个输入数据fi(t)都会激活落入相邻两个参考值[Ai,j,Ai,j+1]区间内,从而激活两个参考值对应的两条规则,一组输入数据(2个输入)则会激活四条规则,落在[Aimin,Aimax]区间外的,仅激活最大或最小参考值对应的规则;计算激活规则的权重wk:
式中,wk∈[0,1],为在第k条规则中,输入fi(t)对参考值Ai,j的匹配度。是输入f1对参考值A1,j的匹配度,是输入f2对参考值A2,j的匹配度;这里j表示参考值集合中的具体一个值。这里A1,j和A2,j是来自两个不同参考值集合中的两个不同的参考值,是因为输入f1和f2各有一组参考值集合。所以在计算每组样本输入时,需计算两个输入各自的匹配度。
上述技术方案的步骤6中,在得到被激活规则的权重后,将所有被激活规则根据权重进行融合,得到输入数据组[f1(t),f2(t)]所对应的输出电容老化故障程度的置信度βn:
为便于理解,在此举例说明步骤2至步骤7中的计算过程,设置模型输入输出参考值设置如下:
表2输入与输出的语义值与参考值
对于任意一组样本数据[0.1538,0.0146,1],其输入所属的参考值区间分别为[0.1224,0.3248],[0,0.6455]。其分别激活了规则库中第6条规则A2 and B1,第7条规则A2and B2,第11条规则A3 and B1,第12条规则A3 and B2。
从式(3)中分别算出每个被激活规则的权重为:w6=0.6735,w7=0.1605,w11=0.1453,w12=0.0207。
被激活规则的输出置信度表如下:
表3被激活规则输出置信度
运用公式(4)对上述4条规则进行融合,计算出融合后样本输入[0.1538,0.0146]所对应的电容老化故障等级输出的置信度[β1,β2,β3]分别为[0.7131,0.2156,0.0712],其中β1=0.7131为最大置信度,其对应的输出电容老化故障等级为1,则最终输出为1,与真实值一致。
至此,基于置信规则推理的逆变器电容老化故障诊断方法以及完成。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (9)
1.一种基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于,它包括如下步骤:
步骤1:从变频器直流母线中采集不同电容老化程序下直流电压的瞬时值VDC,将其转化为直流电压的均方根值和峰峰值,作为置信规则推理方法的输入,相应的电容老化程度作为置信规则推理方法的输出;
步骤2:设定输入信号参考值集合,根据电容老化程度设定输出等级;
步骤3:构建电容老化故障的置信规则库,电容老化故障的置信规则库由L条规则组成,用于描述置信规则推理方法的输入fi(t)与电容老化故障程度y(t)之间的关系;
步骤4:根据置信规则推理方法的输入fi(t)的参考值,将样本数据即步骤1的输入输出数据转化为参考值的匹配度;
步骤5:根据样本数据及步骤4中计算的匹配度,寻找相对应的是置信规则库的规则并激活,计算所激活规则的权重wk;
步骤7:选择最大置信度下的输出等级作为输出结果。
2.根据权利要求1所述的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于:步骤2中,通过欧式距离算法或专家经验构建电容老化故障的置信规则库。
3.根据权利要求1所述的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于:所述步骤1中,通过变频器以预设的采样频率采集电容不同老化等级y(t)下的直流母线上电压的瞬时值VDC,并将其以预设的时间长度计算VDC的均方根值VR(t)和峰峰值VP(t),作为置信规则推理法的输入f1(t)和f2(t),将f1(t)和f2(t),y(t)作为样本集合S={[f1(t),f2(t),y(t)]|t=1,...,T},T表示样本总数量。
4.根据权利要求1所述的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于:所述步骤2中,设定输入信号参考值集合Ai={Ai,j|j=1,...,Ji},i=1,2,其中Ji为第i个输入的参考值个数,设定输出等级D={Dn|n=1,...,N},其中N为输出等级的个数,输入信号参考值集合A1和A2是采集到的直流母线电压均方根值和峰峰值的参考值集合。
5.根据权利要求1所述的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于:所述步骤3中,构建电容老化故障置信规则库,描述置信规则推理方法的输入fi(t)与电容故障等级之间的关系,规则可表述为:
Then{(D1,β1,k),(D2,β2,k),(D3,β3,k)} (1)
6.根据权利要求1所述的基于置信规则推理的逆变器电容老化故障诊断方法,其特征在于:所述步骤4中,将样本数据转化为参考值匹配度,对于样本任一输入fi(t),其值必定符合以下三种情况:大于输入信号参考值集合的最大值,小于输入信号参考值集合的最小值,落入输入信号参考值集合中相邻两个参考值的区间中;当fi(t)小于等于输入信号参考值集合中的最小值Aimin,此时fi(t)对Aimin的匹配度为1,对其它参考值的匹配度为1,当大于等于输入信号参考值集合中的最大值Aimax时,此时fi(t)对Aimax的匹配度为1,对其它参考值的匹配度为0;当Aimin≤fi(t)≤Aimax时,fi(t)对输入的参考值[Ai,j,Ai,j+1]的匹配度αi,j和αi,j+1如式(2)所示:
αi,j=(Ai,j+1-fi(t))/(Ai,j+1-Ai,j)
αi,j+1=(fi(t)-Ai,j)/(Ai,j+1-Ai,j) (2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108866.3A CN110850206A (zh) | 2019-11-13 | 2019-11-13 | 基于置信规则推理的逆变器电容老化故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108866.3A CN110850206A (zh) | 2019-11-13 | 2019-11-13 | 基于置信规则推理的逆变器电容老化故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110850206A true CN110850206A (zh) | 2020-02-28 |
Family
ID=69600288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911108866.3A Pending CN110850206A (zh) | 2019-11-13 | 2019-11-13 | 基于置信规则推理的逆变器电容老化故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110850206A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541155A (zh) * | 2020-09-30 | 2021-03-23 | 上海电力大学 | 一种基于置信规则库的汽轮机转子不平衡检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8468111B1 (en) * | 2010-11-30 | 2013-06-18 | Raytheon Company | Determining confidence of object identification |
CN103955580A (zh) * | 2014-05-04 | 2014-07-30 | 杭州电子科技大学 | 基于信度规则库推理的集成电路参数成品率估计方法 |
CN105139086A (zh) * | 2015-08-13 | 2015-12-09 | 杭州电子科技大学 | 基于优化置信规则推理的轨道高低不平顺幅值估计方法 |
CN106059412A (zh) * | 2016-01-28 | 2016-10-26 | 杭州电子科技大学 | 基于信度规则库推理的他励直流电动机转速控制方法 |
CN106407513A (zh) * | 2016-08-31 | 2017-02-15 | 昆明理工大学 | 一种水松纸透气度检测过程的优化方法 |
CN109117353A (zh) * | 2018-08-20 | 2019-01-01 | 中国石油大学(北京) | 故障诊断结果的融合方法及装置 |
CN109615228A (zh) * | 2018-12-12 | 2019-04-12 | 杭州电子科技大学 | 基于混合启发式规则系统的铁路运输风险概率计算方法 |
CN109740254A (zh) * | 2018-12-29 | 2019-05-10 | 杭州电子科技大学 | 一种基于信息融合的船舶柴油机磨粒类型辨识方法 |
CN109932184A (zh) * | 2019-03-20 | 2019-06-25 | 杭州电子科技大学 | 基于并集信度规则推理的船用柴油机异常磨损诊断方法 |
CN109974837A (zh) * | 2019-04-18 | 2019-07-05 | 杭州电子科技大学 | 一种基于规则推理的船舶结构损伤识别方法 |
CN110057581A (zh) * | 2019-04-29 | 2019-07-26 | 杭州电子科技大学 | 基于区间型信度规则推理的旋转机械故障诊断方法 |
CN110084518A (zh) * | 2019-04-29 | 2019-08-02 | 杭州电子科技大学 | 一种基于混合输入置信规则推理模型的边坡稳定性评判方法 |
CN110132603A (zh) * | 2019-05-16 | 2019-08-16 | 杭州电子科技大学 | 基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法 |
CN110308339A (zh) * | 2019-04-11 | 2019-10-08 | 武汉理工大学 | 基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法 |
CN110414407A (zh) * | 2019-07-23 | 2019-11-05 | 武汉理工大学 | 基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法 |
-
2019
- 2019-11-13 CN CN201911108866.3A patent/CN110850206A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8468111B1 (en) * | 2010-11-30 | 2013-06-18 | Raytheon Company | Determining confidence of object identification |
CN103955580A (zh) * | 2014-05-04 | 2014-07-30 | 杭州电子科技大学 | 基于信度规则库推理的集成电路参数成品率估计方法 |
CN105139086A (zh) * | 2015-08-13 | 2015-12-09 | 杭州电子科技大学 | 基于优化置信规则推理的轨道高低不平顺幅值估计方法 |
CN106059412A (zh) * | 2016-01-28 | 2016-10-26 | 杭州电子科技大学 | 基于信度规则库推理的他励直流电动机转速控制方法 |
CN106407513A (zh) * | 2016-08-31 | 2017-02-15 | 昆明理工大学 | 一种水松纸透气度检测过程的优化方法 |
CN109117353A (zh) * | 2018-08-20 | 2019-01-01 | 中国石油大学(北京) | 故障诊断结果的融合方法及装置 |
CN109615228A (zh) * | 2018-12-12 | 2019-04-12 | 杭州电子科技大学 | 基于混合启发式规则系统的铁路运输风险概率计算方法 |
CN109740254A (zh) * | 2018-12-29 | 2019-05-10 | 杭州电子科技大学 | 一种基于信息融合的船舶柴油机磨粒类型辨识方法 |
CN109932184A (zh) * | 2019-03-20 | 2019-06-25 | 杭州电子科技大学 | 基于并集信度规则推理的船用柴油机异常磨损诊断方法 |
CN110308339A (zh) * | 2019-04-11 | 2019-10-08 | 武汉理工大学 | 基于证据推理规则的电压源型变频器直流母线电容器的故障诊断方法 |
CN110308339B (zh) * | 2019-04-11 | 2021-05-25 | 武汉理工大学 | 基于证据推理规则的变频器直流母线电容故障诊断法 |
CN109974837A (zh) * | 2019-04-18 | 2019-07-05 | 杭州电子科技大学 | 一种基于规则推理的船舶结构损伤识别方法 |
CN110057581A (zh) * | 2019-04-29 | 2019-07-26 | 杭州电子科技大学 | 基于区间型信度规则推理的旋转机械故障诊断方法 |
CN110084518A (zh) * | 2019-04-29 | 2019-08-02 | 杭州电子科技大学 | 一种基于混合输入置信规则推理模型的边坡稳定性评判方法 |
CN110132603A (zh) * | 2019-05-16 | 2019-08-16 | 杭州电子科技大学 | 基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法 |
CN110414407A (zh) * | 2019-07-23 | 2019-11-05 | 武汉理工大学 | 基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法 |
Non-Patent Citations (4)
Title |
---|
YANG J B等: "Belief rule-base inference", 《IEEE TRANSACTIONS ON SYSTEMS MAN & CYBERNETICS PART A SYSTEMS》 * |
刘征: "基于置信规则库的电路可靠性容差分析方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐晓健等: "基于证据推理规则的船舶柴油机", 《摩擦学学报》 * |
王晓兵等: "基于置信规则库推理的焊接机器人减速机曲柄轴磨损故障检测方法", 《机械传动》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541155A (zh) * | 2020-09-30 | 2021-03-23 | 上海电力大学 | 一种基于置信规则库的汽轮机转子不平衡检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eidiani et al. | Improving dynamic response of wind turbine driven DFIG with novel approach | |
CN109858793B (zh) | 电力系统风险评估指标体系构建方法 | |
CN110323979B (zh) | 一种考虑电压稳定的发电机励磁调差系数优化整定方法 | |
EP3779180A1 (en) | Controlling a wind farm with wind turbines that are damping tower oscillations | |
CN108599227B (zh) | 基于mmc级联构成直流换流站的mmc直流电压平衡控制方法 | |
CN110850206A (zh) | 基于置信规则推理的逆变器电容老化故障诊断方法 | |
CN110048410B (zh) | 实现船舶电网稳定运行的变频负载控制方法 | |
CN112003321B (zh) | 一种双馈电机转子串动态电阻低电压穿越控制方法 | |
CN112436542A (zh) | 计及稳控策略的稳态安全紧急控制在线预决策方法 | |
CN112595932B (zh) | 一种适用于中压直流配电网的单极故障选线方法 | |
CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
Stanisavljević et al. | A method for real-time prediction of the probability of voltage sag duration based on harmonic footprint | |
CN110880780B (zh) | 多端直流系统的最优紧急功率控制方法 | |
CN112016838A (zh) | 配电网能效指标体系的贡献率计算方法、系统及终端设备 | |
CN113242018A (zh) | 一种光伏设备故障诊断方法及其应用装置 | |
EP2854280A1 (en) | High voltage DC power conversion system and method of operating the same | |
EP4027506A1 (de) | Stromrichter und verfahren zum betreiben des stromrichters | |
CN112085336A (zh) | 全清洁能源转型过程中火电机组综合能力评估方法及系统 | |
CN117293879B (zh) | 储能并网系统的并网控制方法及装置 | |
Vasquez-Plaza et al. | Noise Mitigation in Control Effort in Three-Phase DC-AC Converters Using LQG-LTR Tracker | |
CN109241060A (zh) | 换流站远传信号的分层分级方法与装置 | |
CN112290602B (zh) | 具有重油发电机组和光伏的微电网综合运行方法及系统 | |
CN117273709B (zh) | 设备运维及故障监测在线评估系统和方法 | |
CN114156930B (zh) | 一种特高压直流输电系统逆变侧交流故障恢复方法 | |
CN114172431B (zh) | 一种双馈风机故障电流控制参数辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |
|
RJ01 | Rejection of invention patent application after publication |