城市轨道交通供电系统研究(Matlab代码实现)

简介: 城市轨道交通供电系统研究(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

💥1 概述

1.1 电气系统动态分析

这个任务主要是深入学习课堂上所学的概念,并凸显嵌入式系统最显著的一个方面:大规模使用功率电子变换器。

应用将基于非常简单的示例进行,因此可以将时间仿真结果与课堂上学到的解析计算进行比较。仿真软件可能会使用PSIM,因为它易于使用并且性能非常优秀。

这个动态研究将涉及课程中讨论的带输入滤波器的串联斩波器的案例,其结构如下所示。同时也会提供这个斩波器的参数。

斩波器特性

E = 350 V 直流 功率 = 5 kW Vc = 28 V 直流

Lh = 290 H Ch = 400 F fh = 5 kHz

image.gif 编辑

滤波器

Rf = 250 m Lf = 200 H Cf = 100 F RCf = 0

准备:

-考虑只有输出电压Vc通过调节斩波器的触发角α而得到调节,确定系统开环和闭环状态空间模型。

-根据系统参数确定平均模型的有效领域的最大频率。

-定义系统的两个动态性能要求书(响应时间,超调量,稳定裕度等):

                        可以是调节

                        也可以是跟踪

(1) 分析研究:稳定性的模态方法

根据开环状态空间模型,计算参与因子和灵敏度,并对系统进行完整的稳定性分析。

特别需要注意系统中最关键的参数,并分析系统极点在这些参数相对于其名义值的100%变化后的移动。

(2) 系统控制

利用Matlab的Sisotool工具,设计两个控制器:

ü 要么具有良好的性能(响应时间,阻尼);

ü 要么具有良好的鲁棒性(增益和相位裕度)。

分析使用这两个控制器的灵敏度函数S的频率响应。

(3) 仿真:验证

使用“validation_BF.sch”文件(PSIM仿真)对系统进行闭环仿真。

评估在负载扰动为5%或50%时,控制器的性能。分析在参数显著变化时(尤其是第2部分的关键参数)控制器的鲁棒性。

(4) 对系统的设计进行总结

1.2 城市轨道交通供电系统

考虑在长达1.5公里的试验线上移动CITADIS型有轨电车。车辆在接触网线上的电力功率(Pelec)如图1所示。

采样周期为1秒的采样剖面在文件donnees.mat中描述。计算可以在Matlab©环境中进行。

1)特征化负载剖面

根据要提供的功率剖面,确定功率混合潜力(PHP)和能量混合潜力(PHE)。就混合动力传动系统与辅助源(储能)的选择以及技术的选择进行结论。

然后我们选择以下符号约定:

- 在牵引模式下Pelec为正(对应于储能的放电阶段);

- 在制动模式下Pelec为负(对应于储能的充电阶段)。

2) 储能技术选择

使用spectre.m函数,确定负载剖面的频谱。就选择的储能技术进行结论。

接下来,我们假设剖面的平均功率将由连接到研究的有轨电车系统的EDF网络提供。剩下所需的功率将由考虑的储能提供。

选择处理以下3)或4)问题。最后还有一个共同的5)问题。

3) 超级电容储能

3.a) 计算:

- 在能量连接节点处计算的储能功率;

- 实际转换为储能的功率,假设超级电容的总体转换效率(转换器和储能介质的损耗)为95%;

- 在超级电容中实际储存的能量。

3.b) 推导出(不考虑电容组合的损耗):

- 为执行任务所需的储存能量;

- 电容组合的总容量(平均放电深度为75%);

- 在超级电容组合中充电或放电的最大功率;

- 根据表1中给出的技术要素,对超级电容组合进行尺寸设计(元件数量、建议的电压和电流、体积和总体积)。

3.c) 在这部分,我们选择对电容组合的损耗进行补偿。比较预期的在电容组合中实际储存的能量。重新进行3.b)点的计算,并研究对尺寸设计的影响。

元件容量 元件电压 串联电阻(ESR)

5000 F 2.5 V 350 μΩ

表1:EPCOS(B49410B2506Q000)元件的特征数据

4) 高功率密度电池的情况

4.a) 计算:

- 在能量连接节点处计算的储能功率;

- 实际转换为储能的功率,假设电池的总体转换效率(转换器和储能介质的损耗)为81%;

- 在电池中实际储存的能量;

- 考虑到充电状态饱和,电池组中的储能。为此,我们将任务开始时的能量设为零。可以比较实际储存的能量和通过饱和积分计算的能量之间的差距。

4.b) 推导出:

- 为执行任务所需的储存能量;

- 电池组的总容量(平均放电深度为50%);

- 在电池组中充电和放电的最大功率;

- 根据表2中给出的技术要素,对电池组进行尺寸设计(元件数量、建议的电压和电流、体积和总体积)。可以在容量/放电功率平面上标出观察到的特征。我们不会试图优化所选择的电池的尺寸设计。

5) 研究尺寸设计对EDF网络提供的功率敏感度。可以通过每次修改±50%的设定值来进行研究。

1.3 运行结果分析

这部分是测试结果详细分析,见第4部分。

image.gif 编辑

📚2 运行结果

2.1 测试1

image.gif 编辑

image.gif 编辑

2.2 测试2

image.gif 编辑

image.gif 编辑

2.3 测试3

image.gif 编辑

image.gif 编辑

image.gif 编辑

部分代码:

close all

clc

clear

load Tram.mat

Pelec2=zeros(size(T,2),1);

for i=1:size(T,2)

   Pelec2(i,1)=T(1,i).pelec;

end

% Calculating the mean of the energ demand

Pmoy=mean(Pelec2)

figure

subplot(2,1,1)

plot (Pelec2-Pmoy)

legend('Power provided by the storage device');

title('Power provided by the storage device');

ActualPelec2=zeros(size(Pelec2,1),1);

for i=1:size(Pelec2,1)

   if(Pelec2-Pmoy)>0

       ActualPelec2(i,1)=(Pelec2(i,1)-Pmoy)/0.95;

   else

       ActualPelec2(i,1)=(Pelec2(i,1)-Pmoy)*0.95;

   end

end

subplot(2,1,2)

plot(ActualPelec2)

legend('Actual power provided by the storage device');

title('Actual power provided by the storage device');

energyStoredInWh=zeros(size(ActualPelec2,1),1);

energyStoredInWh(1,1)=1000;

for i=2:size(ActualPelec2,1)

   energyStoredInWh(i,1)=energyStoredInWh(i-1,1)-(ActualPelec2(i-1,1)/(60*60));

end

figure;

plot(energyStoredInWh)

legend(strcat('Useful energy (in Wh): ',num2str(max(energyStoredInWh)-min(energyStoredInWh))));

title('Energy stored in storage device');

disp(strcat('Useful energy: ',num2str(max(energyStoredInWh)-min(energyStoredInWh))));

%Assuming 75 percent DoD, the capactiy energy capacity can be calculated

capEnergyCapacityInWh=(max(energyStoredInWh)-min(energyStoredInWh))*4/3

%The maximum power imposed upon the capacitor can aslo be calculated

maxPowerImposedInW=max(ActualPelec2)

voltageInV=2.5;

capacitorInF=5000;

esrInuOhms=350;

%The total capacitance of the package can be calculated using the capactir

%energy capacity

totalCapacityInF=2*capEnergyCapacityInWh*60*60/((voltageInV)^2);

disp(strcat('Total capacity required in farads assuming voltage of one capacitor: ', num2str(totalCapacityInF)));

% voltageInV=2.5;

% capacitorInF=5000;

% esrInuOhms=350;

%the energy capacity of one pack

energyInOnePackInWh=capacitorInF*(voltageInV^2)/(2*60*60)

maximalPowerInOneElementInW=0.12*(voltageInV^2)/(esrInuOhms/1000000)

%Number of capacitors reuiqred according to energy capacity and power

%capacity

NumOfCapEnergy=capEnergyCapacityInWh/energyInOnePackInWh

NumOfCapPower=maxPowerImposedInW/maximalPowerInOneElementInW

disp(strcat('Number of capacitors required: ', num2str(ceil(max(NumOfCapEnergy,NumOfCapPower)))))

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

[1]李建民,孙建设.城市轨道交通供电系统谐波分布研究[J].电测与仪表, 2008, 45(2):6.DOI:10.3969/j.issn.1001-1390.2008.02.001.

[2]陈润芝.城市轨道交通供电系统的设计研究[J].百科论坛电子杂志, 2019, 000(004):471.

[3]王国亮.某城市轨道交通供电系统研究[D].

相关文章
|
弹性计算 监控 数据可视化
ECS网络流量监控
ECS网络流量监控
819 2
|
11月前
|
监控 Ubuntu Linux
Windows11 WSL2 Ubuntu编译安装perf工具
通过以上步骤,你已经在Windows 11的WSL2中成功编译并安装了 `perf`工具。尽管在WSL2中可能会遇到一些限制,但大部分基本性能分析功能应当可以正常使用。使用 `perf`进行性能分析,可以帮助你更好地理解和优化系统及应用程序的性能。
880 14
|
6月前
|
安全 机器人 数据安全/隐私保护
手机屏幕点击器,屏幕自动点击器,免费连点器(自动点击)【autojs】
完整UI界面:包含坐标录制、执行控制、参数设置等区域 坐标录制功能:实时捕捉屏幕点击位置并记录坐标
|
监控 IDE JavaScript
HarmonyOS Next快速入门:了解DevEco Studio
《HarmonyOS Next快速入门》是针对HarmonyOS应用开发的教育课程,适合开发者学习与实践。课程重点介绍HUAWEI DevEco Studio工具,涵盖高效代码编辑(支持ArkTS、JS等语言)、多端双向实时预览、设备模拟仿真及性能调优等功能。此外,还提供了IDE界面详解、快速开始指南、代码查找技巧和常用快捷键等内容,帮助开发者提升开发效率,解决实际问题。点击链接查看视频教程,开启HarmonyOS开发之旅!
234 0
|
传感器 安全 Android开发
探索iOS与安卓应用开发的性能差异
在移动操作系统领域,iOS和安卓的较量从未停歇。本文将深入探讨两大平台在应用开发中的性能表现,揭示它们各自的优势与局限。通过对比分析,我们将理解开发者如何在这两个不同的生态系统中做出权衡,以及这些选择如何影响最终用户的体验。
288 27
构建安全可靠的系统:第十一章到第十五章
构建安全可靠的系统:第十一章到第十五章
345 0
|
存储 编解码 前端开发
阿里云服务器2核4G、4核8G、8核16G选择经济型、通用算力型和计算型选择参考
如果我们想购买的云服务器配置是2核4G、4核8G、8核16G配置,目前在阿里云的活动中,可选的实例规格除了轻量应用服务器之外,有经济型e、通用算力型u1、计算型c7、计算型c8y等几个实例规格可选,由于不同实例规格的性能和价格及适用场景不同,因此,有的新手用户可能不知道如何选择,本文将讨论在2核4G、4核8G、8核16G配置下,如何选择经济型、通用算力型和计算型实例,以供参考。
|
人工智能 算法 测试技术
软件测试中的人工智能:提升测试效率与质量
随着软件开发的快速发展,传统的手工测试方法已经无法满足现代软件项目的需求。本文探讨了人工智能在软件测试中的应用,如何通过自动化测试、智能缺陷分析和测试用例生成等技术,提高测试效率和质量。我们将详细介绍这些技术的原理和实际应用,并讨论其带来的优势和挑战。
869 4
WK
|
机器学习/深度学习 算法
什么是Sigmoid函数
Sigmoid函数是在机器学习及统计学中广泛应用的一种数学模型,尤其适用于逻辑回归与神经网络中的激活场景。该函数能将任意实数映射至(0,1)区间,象征概率或事件发生可能性。其S型曲线特性使其在二分类问题中表现出色,同时具备连续平滑与中心对称的特点,利于采用如梯度下降等优化算法。然而,Sigmoid函数在极端输入值下会出现梯度消失的问题,影响模型训练效果。尽管有此局限性,它在特定应用场景中依然重要,例如需要输出概率值的情况。
WK
1596 0
|
缓存 Cloud Native 测试技术
Golang 乐观锁实战:Gorm 乐观锁的优雅使用
在现代软件开发中,数据一致性是一个永恒的话题。随着系统规模的扩大和并发操作的增加,如何有效地处理并发冲突,确保数据的完整性,成为了开发者必须面对的挑战。本文将带你深入了解 Golang 中 Gorm ORM 库的乐观锁机制,并通过实际示例,展示如何在项目中优雅地使用乐观锁。