复杂电网环境下时变谐波在线检测新方法及应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51907062
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    李建闽
  • 依托单位：
    湖南师范大学
  • 学科分类：
    E0704.电力系统与综合能源
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

In the complex power grid environment, the problem of harmonics is becoming more and more serious. Meanwhile, the randomness and uncertainty of harmonics are becoming more and more prominent. Fast and accurate on-line detection of time-varying harmonics is the primary premise for harmonic energy measurement, harmonic responsibility division, harmonic compensation and suppression. This project proposes a new on-line detection method of time-varying harmonics in the complex power grid environment. The major studies are as follows: ① Optimized window based on prolate spheroidal wave functions, which has the maximum energy aggregation, is constructed to replace the Gaussian window using in S transform. The generalized S transform is established as the results of optimized window with prolate spheroidal wave functions. ② By means of variable sampling rate and only calculating characteristic frequency points, the simplified generalized S transform based on optimized window with prolate spheroidal wave functions is built. And the time-varying harmonic parameters and dynamic information of power grid are accurately obtained by the time-frequency matrix of the proposed method. ③ An experimental platform for time-varying harmonic detection is built to verify the correctness and effectiveness of the algorithm. The key technologies and methods of this project can be widely used in the fields of other complex signal time-frequency analysis, which have high academic value and expectable application prospects.
复杂电网环境下，电网谐波问题日趋严重，谐波随机性和不确定性等时变特征日益凸显。实现时变谐波参数快速准确在线检测是谐波电能计量、谐波责任划分、谐波补偿与抑制的首要前提。本项目提出一种复杂电网环境下时变谐波在线检测新方法，研究包括：①采用具有最佳能量聚集度的椭圆球面波函数来替代S变换中的高斯窗函数，并以此构建基于椭圆球面波优化窗函数的广义S变换算法；②通过变采样率、仅计算特征频率点等方式建立基于椭圆球面波优化窗函数广义S变换简化算法，由变换算法的结果时频矩阵获取时变谐波参数和电网动态信息；③搭建基于嵌入式系统的时变谐波在线检测平台验证所提算法的正确性和有效性。本项目研究的理论方法和检测技术可广泛用于其他复杂信号时频分析领域，具有较高的学术价值和可预期的应用前景。

结项摘要

复杂电网环境下，电网谐波问题日趋严重，谐波随机性和不确定性等时变特征日益凸显。实现时变谐波参数快速准确在线检测是谐波电能计量、谐波责任划分、谐波补偿与抑制的首要前提。本项目提出了一种复杂电网环境下时变谐波快速、准确在线检测新方法，创建了主旁瓣性能优良、能量聚集度高、自适应能力强的新型椭圆球面波优化窗函数，并以此构建可基于椭圆球面波优化窗函数的广义S变换算法；通过时变谐波特征频率点与无关频率点的自动识别机制建立基于椭圆球面波优化窗函数广义S变换的简化算法，确保时变谐波参数在线检测的实时性；建立了基于椭圆球面波优化窗函数广义S变换的电网时变谐波特征提取新方法，可由变换算法的结果时频矩阵获取时变谐波参数和电网动态信息；设计与研制了基于ADC+DSP+ARM构架的电网时变谐波在线监测实验平台，对理论算法进行了嵌入式系统实现，测试结果验证了算法在时变谐波在线检测时的正确性和有效性。本项目研究的理论方法和检测技术可广泛用于其他复杂信号时频分析领域，具有较高的学术价值和可预期的应用前景。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（5）
A Discrete-Time Non-Adaptive SOGI-Based Frequency-Locked Loop
基于SOGI的离散时间非自适应锁频环
  • DOI：
    10.1109/tpwrs.2020.3018625
  • 发表时间：
    2020-11
  • 期刊：
    IEEE Transactions on Power Systems
  • 影响因子：
    6.6
  • 作者：
    Jingrong Yu;Wenshuai Shi;Jianmin Li;Limin Deng;Maolin Pei
  • 通讯作者：
    Maolin Pei
An accurate harmonic parameter estimation method based on Slepian and Nuttall mutual convolution window
基于Slepian和Nuttall互卷积窗的精确谐波参数估计方法？
  • DOI：
    10.1016/j.measurement.2021.109027
  • 发表时间：
    2021-04
  • 期刊：
    Measurement
  • 影响因子：
    5.6
  • 作者：
    Jianmin Li;Yuanyuan Cao;Xuhui Zhang;Haijun Lin;Houde Dai;Yong Xu
  • 通讯作者：
    Yong Xu
A Simple Calibration Method for Ratio Error and Phase Error of Electronic Energy Meter
电子式电能表比率误差和相位误差的简易校准方法
  • DOI：
    10.1016/j.epsr.2020.106416
  • 发表时间：
    2020-09-01
  • 期刊：
    ELECTRIC POWER SYSTEMS RESEARCH
  • 影响因子：
    3.9
  • 作者：
    Li, Jianmin;Yang, Yuxiang;Liang, Chengbin
  • 通讯作者：
    Liang, Chengbin
A Kaiser Window-Based S-Transform for Time-Frequency Analysis of Power Quality Signals
用于电能质量信号时频分析的基于 Kaiser 窗的 S 变换
  • DOI：
    10.1109/tii.2021.3083240
  • 发表时间：
    2021-05
  • 期刊：
    IEEE Transactions on Industrial Informatics
  • 影响因子：
    12.3
  • 作者：
    Chengbin Liang;Zhaosheng Teng;Jianmin Li;Wenxuan Yao;Shiyan Hu;Yan Yang;Qing He
  • 通讯作者：
    Qing He
Digital prolate spheroidal window-based S-transform for time-varying harmonic analysis
用于时变谐波分析的基于数字长球面窗口的 S 变换
  • DOI：
    10.1016/j.epsr.2020.106512
  • 发表时间：
    2020-10
  • 期刊：
    Electric Power Systems Research
  • 影响因子：
    3.9
  • 作者：
    Jianmin Li;Hai Jun Lin;Zhao Sheng Teng;Fu Zhang;Chengbin Liang
  • 通讯作者：
    Chengbin Liang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法
  • DOI：
    10.19595/j.cnki.1000-6753.tces.180900
  • 发表时间：
    2019
  • 期刊：
    电工技术学报
  • 影响因子：
    --
  • 作者：
    李建闽;林海军;梁成斌;滕召胜;成达
  • 通讯作者：
    成达
烘干失重法水分快速检测的预估融合方法
  • DOI：
    10.19650/j.cnki.cjsi.j1702501
  • 发表时间：
    2018
  • 期刊：
    仪器仪表学报
  • 影响因子：
    --
  • 作者：
    凌菁;滕召胜;林海军;李建闽
  • 通讯作者：
    李建闽

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码