石化企业的谐波辨识和治理
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·谐波的基本概念 | 第9-10页 |
| ·谐波数学定义 | 第10页 |
| ·谐波产生的危害 | 第10-12页 |
| ·谐波源辨识的意义 | 第12页 |
| ·谐波治理的主要措施 | 第12-14页 |
| ·降低谐波含量 | 第12-13页 |
| ·谐波电流的吸收 | 第13-14页 |
| ·改善供电环境 | 第14页 |
| ·国内外研究电能质量的现况 | 第14-16页 |
| ·本文主要工作 | 第16-17页 |
| 第2章 焦化新总降谐波测试与分析 | 第17-22页 |
| ·测试概况 | 第17页 |
| ·测试时间 | 第17页 |
| ·测试仪器 | 第17页 |
| ·测试评估依照的标准 | 第17页 |
| ·焦化新总降配电系统及其测试接线图 | 第17-18页 |
| ·测试结果分析 | 第18-21页 |
| ·主要电能参数 | 第18-21页 |
| ·谐波电流测试结果及分析 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于神经网络的谐波源辨识研究 | 第22-36页 |
| ·电力系统中的典型谐波源辨识方法 | 第22-26页 |
| ·以谐波功率潮流方向为基础的检测方法 | 第22-24页 |
| ·检测方法基于谐波阻抗 | 第24-26页 |
| ·基于人工神经网络(ANN)的辨识方法 | 第26页 |
| ·ANN简介 | 第26-30页 |
| ·神经元的模型 | 第26-27页 |
| ·人工神经网络模型 | 第27-29页 |
| ·神经网络的学习算法 | 第29-30页 |
| ·BP神经网络及MIV在谐波源辨识中的应用 | 第30-35页 |
| ·BP神经网络的学习流程 | 第30-32页 |
| ·MIV的基本原理 | 第32-33页 |
| ·学习样本的收集 | 第33页 |
| ·谐波源辨识的实际案例分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 焦化新总降供电系统的仿真分析 | 第36-42页 |
| ·ETAP软件介绍 | 第36页 |
| ·5#400V母线的ETAP建模 | 第36-38页 |
| ·基于ETAP的谐波分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 谐波治理方案研究 | 第42-57页 |
| ·谐波治理措施 | 第42-48页 |
| ·加装一个或者多个无源滤波器 | 第42-44页 |
| ·有源滤波器的加装 | 第44-48页 |
| ·有源滤波和无源滤波的比较 | 第48页 |
| ·有源滤波器的工作原理以及结构 | 第48-54页 |
| ·检测谐波的环节 | 第49-51页 |
| ·控制系统 | 第51-53页 |
| ·主电路 | 第53-54页 |
| ·治理和测试效果 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-58页 |
| ·本文工作总结 | 第57页 |
| ·工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 作者在攻读硕士学位期间发表的论文和专利 | 第62页 |
