基于对称分量估计的电压暂降特征量实时检测方法 a real-time detection method of the voltage sag characteristics based on symmetrical components estimation.pdfVIP

下载本文档

1
0
约2.42万字
约 6页
2017-08-13 发布于上海
举报
版权申诉

基于对称分量估计的电压暂降特征量实时检测方法 a real-time detection method of the voltage sag characteristics based on symmetrical components estimation.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于对称分量估计的电压暂降特征量实时检测方法 a real-time detection method of the voltage sag characteristics based on symmetrical components estimation

第40卷第11期电力系统保护与控制 V01．40No．11 1垒!：堡曼旦!旦．．．． !!!：!!；!!! 一．￡!∑!!!z!!!巴里翌竺!!垫!!翌!￡!!!竺! 基于对称分量估计的电压暂降特征量实时检测方法裴喜平1，郝晓弘1，陈伟1，肖骏2，王维洲2 (1．兰州理工大学电气工程与信息工程学院，甘肃兰州730050；2．甘肃电力科学研究院，甘肃兰州730050) 摘要：动态电压恢复器是解决电压暂降等电能质量问题的有效方法．针对电压暂降特征量(暂降幅值、相位跳变、持续时间) 实时检测的需要，在电网三相电压的对称分量法模型基础上，提出了改进的基于最小均方学习规则神经网络的特征量参数估计算法。该算法具有运算量小，检测精度高，动作快的特点。在理论分析的基础上，对所提算法和常规dq变换法进行了仿真比较，结果验证了该算法的可行性．关键词：动态电压恢复器：对称分量：最小均方学习规则；参数估计 Areal-timedetectionmethodofthe characteristicsbasedon voltagesag estimation symmetricalcomponents PEI Wei—zhou2 Xi．pin91，HAOXiao-hon91，CHENWeil，XIAOJun2，WANG ofElectricalandInformation 730050，China； (1．College Engineering,LanzhouUniversityofTechnology,Lanzhou 2．GansuElectricPowerScienceResearch Institute，Lanzhou 730050，China) restoreralleffectivemethodto and to for is solve other theneed Abstract：Dynamicvoltage voltagesag powerqualityproblems．Due in real·timedetectionof decline transition,the voltagesagcharacteristics(temporarymagnitude，thephase duration)，thispaper ofall network basedleastmean characteristicsestimation neural rule on presents algorithmimproved learning square，thisalgorithm has the and a smallamountof andfastaction．Aftertheoretica