您的位置: 专家智库 > >

余金

作品数:6 被引量:15H指数:2
供职机构:新疆大学更多>>
发文基金:国家教育部博士点基金长江学者和创新团队发展计划国家自然科学基金更多>>
相关领域:电气工程更多>>

文献类型

  • 5篇期刊文章
  • 1篇学位论文

领域

  • 6篇电气工程

主题

  • 5篇电机
  • 3篇永磁
  • 3篇噪声预测
  • 3篇发电
  • 3篇发电机
  • 3篇风电
  • 3篇风电机
  • 3篇风电机组
  • 3篇风力
  • 3篇风力发电
  • 3篇风力发电机
  • 2篇遗传算法
  • 2篇永磁风力发电...
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇SVR
  • 2篇GA
  • 1篇电磁

机构

  • 6篇新疆大学
  • 1篇教育部

作者

  • 6篇余金
  • 5篇王维庆
  • 5篇何山
  • 3篇程静
  • 2篇杨俊超
  • 2篇杨少平
  • 1篇王翠翠
  • 1篇文龙

传媒

  • 2篇可再生能源
  • 1篇高压电器
  • 1篇电机与控制应...
  • 1篇中国科技论文

年份

  • 1篇2017
  • 4篇2016
  • 1篇2015
6 条 记 录,以下是 1-6
排序方式:
基于SVM-CS算法的风力发电机定位力矩优化研究被引量:1
2016年
永磁风力发电机的结构参数与定位力矩之间存在复杂关系,难以迅速建立起准确通用的数学模型。针对上述问题,提出了一种新的定位力矩优化方法。首先,通过拉丁超立方抽样(LHS)与有限元分析(FEA)相结合的方法获取支持向量机(SVM)回归的训练样本;其次,利用训练样本构建定子槽口宽度、极弧系数、偏心距、气隙长度以及永磁体厚度等结构参数与定位力矩之间的回归模型;最后,基于此模型,应用布谷鸟搜索(CS)算法对永磁风力发电机的结构参数进行寻优,将优化后的参数输入ANSYS进行仿真分析。仿真结果表明,定位力矩得到了有效削弱,验证了该方法的正确性和优越性。
杨少平何山王维庆余金王翠翠
关键词:永磁风力发电机定位力矩支持向量机回归
±800kV特高压直流换流站阀厅金具的电气设计特点被引量:7
2016年
为增强特高压直流阀厅金具设备的自主化生产能力,打破其一直受外方所控的困局,通过对阀厅整体结构的介绍,阐述了金具的重要作用及设计要求,指出了阀厅金具在连接软导线的设计,防电晕设计以及在起晕校验等方面的缺陷与不足。以期对特高压直流输电阀厅金具设备的国产化进程提供一定的借鉴作用。
杨俊超何山杨国华程静王维庆余金
关键词:特高压电气设计
多源数据融合的风电机组噪声预测
随着能源与环境危机的日益凸显,全球范围内对可再生能源的发展都及其重视,我国是公认的人口大国和能源大国,对可再生能源的发展也刻不容缓。其中,考虑到风力发电的经济实用性,我国投入了大量的人力物力对风力发电机组进行研发,而风电...
余金
关键词:风力发电机结构噪声噪声预测遗传算法
基于GA-SVR的永磁同步风电机组多工况噪声预测被引量:2
2016年
以永磁同步风电机组的实测数据样本为例,研究基于遗传算法的支持向量回归(GA-SVR)的噪声预测。开展了永磁同步风电机组的空载、负载及风速变化实验;对不同运行工况下的振动及噪声实测数据进行分析处理,建立了数据样本;以发电机主轴的径向与轴向、齿轮箱高速轴和低速轴径向与轴向的振动值作为输入变量,机组的噪声值作为输出变量,建立了GA-SVR预测模型;通过数据样本训练,验证了该预测模型。研究结果表明,应用GA-SVR预测模型对机组噪声进行预测,能够较精确地获得噪声波动趋势及预测值。将该模型用于风电机组的噪声预测是可行的。
余金何山程静王维庆杨俊超
关键词:风电机组噪声预测
基于Halbach阵列的大型永磁风力发电机电磁场分析
2016年
采用Maxwell 2D有限元软件建立了传统阵列与Halbach阵列的1.5 MW外转子永磁风力发电机的2D模型。在转子轭为导磁和非导磁材料的情况下,分别对三种不同充磁方式、三种不同永磁体结构的发电机进行了气隙磁场的对比研究。通过快速博里叶分解(STFT)得出了基波与高次谐波幅值,提出了Halbach阵列大型永磁风力发电机新的设计思路,以达到减轻电机重量、结构紧凑、节省成本的目的。
吾尔开西.艾尼瓦尔何山王维庆文龙余金
关键词:HALBACH阵列永磁风力发电机电磁场谐波
结合回归分析与改进GA-SVR的风机噪声预测被引量:4
2015年
针对风电机组噪声测量过程复杂的状况,研究IEC 61400-11风电机组噪声测量标准,提出用非声学参数对机组噪声的A计权声压级进行预测。分析基于遗传算法的支持向量机回归(GA-SVR)的不足并提出改进措施,结合实际情况平衡了遗传算法(GA)的终止条件,针对样本特性会影响SVR预测精度的问题,提出采用回归分析对样本特性进行处理。应用统计软件SAS完成了基于回归分析的变量筛选,去除了变量间的共线性并实现了降维;再通过异常点诊断,剔除了数据中的强影响点;最后将处理后的样本引入改进的GA-SVR建立预测模型。通过实测的风电场数据,应用回归分析、改进的GA-SVR及两者结合的方法进行了噪声预测,其中结合预测的方法精度最高,其预测结果的相对误差平均值仅为0.775 7%,具有实际可行性。
余金何山程静王维庆杨少平
关键词:风电机组噪声预测支持向量机遗传算法
共1页<1>
聚类工具0