基于辨识技术的感应电机能效在线监测模型

发布时间：2018-04-21 14:28

  本文选题：电动机能效 + 递推最小二乘算法　； 参考：《华北电力大学学报(自然科学版)》2014年06期

【摘要】：将标准能效测试方法与电动机参数辨识方法相结合,分析了最小二乘递推(RLS)算法与扩展卡尔曼滤波(EKF)两种参数在线辨识方法计算过程及特点,以最小二乘递推算法为基础实现对电动机定转子漏电感等参数的在线辨识,考虑到最小二乘递推算法对转子电阻动态辨识性能较差,利用扩展卡尔曼滤波算法对电动机转子电阻进行在线辨识。基于在线辨识所得参数搭建电机能效监测模型,获得电机各项损耗及能效,通过仿真验证参数辨识方案可行性,并将能效测试B法所得损耗与该模型监测损耗及能效对比以验证该模型。
[Abstract]:Combining the standard energy efficiency test method with the motor parameter identification method, this paper analyzes the calculation process and characteristics of two parameters online identification methods, the least square recursive algorithm and the extended Kalman filter EKF. The on-line identification of leakage inductance of stator and rotor of motor is realized on the basis of least square recursive algorithm. Considering the poor performance of least square recursive algorithm for dynamic identification of rotor resistance, An extended Kalman filter algorithm is used to identify the rotor resistance of the motor. Based on the on-line identification parameters, the motor energy efficiency monitoring model is built, and the loss and energy efficiency of the motor are obtained. The feasibility of the parameter identification scheme is verified by simulation. The energy efficiency test B method is compared with the model to monitor the loss and energy efficiency to verify the model.
【作者单位】： 华北电力大学新能源电力系统国家重点实验室;国网福建省电力有限公司;
【基金】：国家自然科学基金资助项目(51307050) 中央高校基本科研业务费项目
【分类号】：TM346

【参考文献】

相关期刊论文 前1条

1 蒋铁铮,郑逢时;同步电机参数最小二乘辨识多值性及收敛性的改善方法[J];电机与控制学报;1999年04期

【共引文献】

相关期刊论文 前3条

1 范澍,毛承雄,陆继明;基于在线辨识的实时最优励磁控制器[J];电力系统自动化;2001年13期

2 彭志;刘祖润;赵延明;;PLC控制的直流发电机组自动监控系统设计[J];现代电子技术;2011年24期

3 杨俊华,潘观海;同步电机时间常数对频率特性的影响[J];中小型电机;2000年04期

相关博士学位论文 前2条

1 张新丽;汽轮发电机非线性特征的机理及其与运行条件的关系[D];华北电力大学（北京）;2007年

2 余翔;基于级联多电平逆变器的STATCOM及其控制策略研究[D];华中科技大学;2006年

【二级参考文献】

相关期刊论文 前1条

1 郑逢时，赵争鸣，阮仕荣，，阮羚;用最小二乘辨识方法测取水轮发电机参数[J];电工技术学报;1994年03期

【相似文献】

相关期刊论文 前10条

1 范洪达,李相民;卡尔曼滤波算法的几何解释[J];火力与指挥控制;2002年04期

2 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期

3 张哲;陈德树;;卡尔曼滤波算法与富氏算法的分析比较[J];电力系统自动化;1990年04期

4 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期

5 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期

6 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期

7 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期

8 刘剑锋;庄志洪;刘中;;卡尔曼滤波算法在最佳起爆角估计中的应用[J];弹箭与制导学报;2005年S1期

9 陈炯;阮建国;;数字保护中卡尔曼滤波算法的改进[J];计算机与数字工程;2008年04期

10 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期

相关会议论文 前9条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

相关博士学位论文 前3条

1 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

2 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

3 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

相关硕士学位论文 前10条

1 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年

2 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年

3 樊红娟;无先导卡尔曼滤波算法分析[D];西南大学;2007年

4 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年

5 李忠良;基于神经网络的卡尔曼滤波算法研究[D];湖南工业大学;2011年

6 雷礼平;GPS动态卡尔曼滤波算法研究[D];电子科技大学;2003年

7 朱永龙;基于UWB的室内定位算法研究与应用[D];山东大学;2014年

8 顾博川;不确定系统状态估计及其在粘着控制中的应用[D];西南交通大学;2011年

9 何军;基于DSP的姿态测试技术研究[D];中北大学;2011年

10 葛浩宇;面向室内环境的WSN跟踪关键技术研究[D];浙江大学;2012年

本文编号：1782821