电气化铁道牵引变电站谐波分析及推算

介绍了电气化铁道的谐波特性，对牵引变电站供电运行方式下所产生的谐波进行了详细分析，基于三相平衡条件，采用对称分量法计算，得出高压侧输入电力电网系统的谐波分量电流及线电流；论述了在三相不对称情况下的谐波分析方法，分别导出了不装滤波器和装滤波器时，牵引变压器的谐波电流与电力电网系统各相谐波电流的传输关系，得出牵引变电站注入电力电网系统的三相谐波电流计算方法，用以确定在牵引站内是否需要装设滤波器及需要抑制的谐波序次，     

一类非线性控制的设计与应用

通过运用人工智能原理,分析常规系统的阶跃响应过程特点,设计出了一类能抑制系统超调的非线性算法,并用谐波分析证明了此算法具有0°到45°的超前角,最后把它和常规控制结合对一类伺服对象进行了仿真,结果使系统性能得到了极大的改进。     

电力系统中谐波分析的高精度FFT算法

在非同步采样情况下快速傅立叶变化存在较大的误差,特别是相位的误差,无法直接用于电力系统谐波分析.为了减小非同步采样对快速傅立叶变换的影响,提高电力系统中的谐波分析精度,文中通过加窗和插值对原算法进行了改进.仿真结果表明,改进后的算法在非同步采样时,分析精度有显著提高.     

由年温变化分析广东海陆气候属性特征

对广东各地年温进行谐波和相对温度计算，试图客观定量地探讨广东气候海陆影响的程度及类型．各地年温变化的振幅和位相以及相对温度分布曲线表明，广东基本为亚热带海洋型季风气候，尤以东南沿海为甚．但自东南向西北、西南推移，海洋性气候特征减弱，大陆性气候特征有所加强．其中雷州半岛的徐闻，由于特殊的地理位置和气候条件，具有较强的大陆性气候特征．同时，将全省的相对温度分布曲线分出三种类型，探讨了它们不同的气候属性     

振动信号非整周期谐波分析的验证与改进

旋转机械轴系振动信号是以转速为基波的周期信号。传统旋转机械振动分析以转速作为基准,通过锁相倍频的方式对振动信号进行整周期采样及谐波分析。但是由于转速的变化,采样周期与转速周期不可避免的偏差,带来的采样误差严重地影响了数据分析的精度。本文对非整周期采样算法进行了试验验证,并加以改进和完善。将改进后的非整周期采样谐波分析法应用于旋转机械的振动信号数据采集及分析上,可以突破整周期采样的局限性,使谐波分析结果达到较高的相位和幅值精度。     

南海表层水温年循环的谐波特征

通过对ＮＣＥＰ１°×１周平均ＳＳＴ资料（１９８２－１９９４）进行谐波分析,发现南海ＳＳＴ年循环中基波Ｗ１和第二谐波Ｗ２是决定性的谐波,诸谐波具有准驻波特征;气候平均意义下的季节内振荡不显著,此外,还讨论了南海全区ＳＳＴ在夏季风爆发之前迅速增温的原因。     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。     

三相桥式整流电路谐波的概率分析

为了抑制谐波干扰,对三相桥式全控整流装置的谐波进行分析和预测,得到三相电压对称与不对称条件下谐波的成分、含量及THD.考虑三相电压不对称实际情况.以指数分布表示三相不平衡因子幅值的概率密度函数,建立了一种关于三相桥式全控整流电路的概率模型.利用此模型对整流装置交流侧电流中的特征谐波与非特征谐波的幅值和相角进行了分析,并采用Monte Carlo方法、电路模型抽样方法与所建立概率模型计算结果进行了对比验证,3种方法得到一致的谐波特性对比结果,验证了所建立概率模型的正确性.     

PRONY算法在短(窄)脉冲分析中的应用

为了解决信号分析中的去除噪声问题,准确地或较好地恢复原信号,在分析周期信号的基础上,提出了一种基于PRONY 模型的周期信号分析法.通过对周期短(窄)脉冲包括噪声及非整数倍周期的算例分析,结果表明,PRONY法可以准确估计信号中各分量的振幅、频率、相位,利用这些参数较好地拟合出原波形,并抑制一定的噪声.该方法弥补了经典谱估计无法分析非整数倍谐波和没有噪声抑制功能的缺点.     

非侵入式电力负荷在线分解

基于用电设备正常工作时的稳态电流（包含基波和谐波）具有一定统计规律性,提出了一种非侵入式电力负荷在线分解方法．当某一电力负荷内部含有n类主要用电设备时,其电流可近似用这n类用电设备电流的线性叠加来估计．负荷分解是应用最优方法求取一组合理的权重系数,使负荷估计电流与负荷真实电流最为接近,从而确定电力负荷中不同类型用电设备的功率消耗比例．实验结果表明,所提出的负荷分解方法不仅具有较高的精度和较好的稳定性,而且便于在线实现．