凸极式发电机的相量图分析和计算,内功率因数角和外功率因数角和功角的定义。

在这里插入图片描述
图1:同步发电机稳态相量图

若发电机为凸极式,由于凸极机正、交轴同步电抗不等,即xd≠xq,因此必须先借助虚构电动势 E ˙ Q = E ˙ q − ( x d − x q ) I ˙ d \dot{E}_Q=\dot{E}_q-(x_d-x_q)\dot{I}_d E˙Q=E˙q(xdxq)I˙d来确定交轴的正方向,再在 E ˙ Q \dot{E}_Q E˙Q的延长线上按上述关系求出空载电动势 E ˙ q \dot{E}_q E˙q,之所以借助虚构电动势 E ˙ Q \dot{E}_Q E˙Q是由于凸极式同步机有:
注意下面是数值关系(对照图1的相量图分析下),电感是需要转90°:
{ I d = E q − U q x d I q = U d x q \left\{\begin{array}{l} I_{\mathrm{d}}=\frac{E_{\mathrm{q}}-U_{\mathrm{q}}}{x_{\mathrm{d}}} \\ I_{\mathrm{q}}=\frac{U_{\mathrm{d}}}{x_{\mathrm{q}}} \end{array}\right. {Id=xdEqUqIq=xqUd

{ U d = I q x q U q = E q − I d x d = E Q − I d x q \left\{\begin{array}{l} U_{\mathrm{d}}=I_{\mathrm{q}} x_{\mathrm{q}} \\ U_{\mathrm{q}}=E_{\mathrm{q}}-I_{\mathrm{d}} x_{\mathrm{d}}=E_{\mathrm{Q}}-I_{\mathrm{d}} x_{\mathrm{q}} \end{array}\right. {Ud=IqxqUq=EqIdxd=EQIdxq

之后再构造成相量形式
U d + j U q = I q x q + j ( E Q − I d x q ) U d + j U q + j I d x q + j ⋅ j I q x q = j E Q j E Q = ( U d + j U q ) + j x q ( I d + j I q ) E ˙ Q = U ˙ + j x q I ˙ \begin{aligned} & U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}=I_{\mathrm{q}} x_{\mathrm{q}}+\mathrm{j}\left(E_{\mathrm{Q}}-I_{\mathrm{d}} x_{\mathrm{q}}\right) \\ & U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}+\mathrm{j} I_{\mathrm{d}} x_{\mathrm{q}}+\mathrm{j} ·\mathrm{j} I_{\mathrm{q}} x_{\mathrm{q}}=\mathrm{j} E_{\mathrm{Q}} \\ & \mathrm{j} E_{\mathrm{Q}}=\left(U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}\right)+\mathrm{j} x_{\mathrm{q}}\left(I_{\mathrm{d}}+\mathrm{j} I_{\mathrm{q}}\right) \\ & \dot{E}_{\mathrm{Q}}=\dot{U}+\mathrm{j} x_{\mathrm{q}} \dot{I} \end{aligned} Ud+jUq=Iqxq+j(EQIdxq)Ud+jUq+jIdxq+jjIqxq=jEQjEQ=(Ud+jUq)+jxq(Id+jIq)E˙Q=U˙+jxqI˙

这个虚拟电势EQ的目的就是为了快速确定Q轴,不用分解U和I相量。

最后再加一个分量即可得到真正的空载电动势Eq

U d = I q x q j U q = j ( E q − I d x d ) U d + j U q = I q x q + j ( E q − I d x d ) j E q = ( U d + j U q ) + j j I q x q + j I d x q − j I d x q + j I d x d j E q = ( U d + j U q ) + j x q ( I d + j I q ) + j I d ( x d − x q ) E ˙ q = U ˙ + j x q I ˙ ⏟ E ˙ Q + j I d ( x d − x q ) \begin{aligned} & U_{\mathrm{d}}=I_{\mathrm{q}} x_{\mathrm{q}} \\ & \mathrm{j} U_{\mathrm{q}}=\mathrm{j}\left(E_{\mathrm{q}}-I_{\mathrm{d}} x_{\mathrm{d}}\right) \\ & U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}=I_{\mathrm{q}} x_{\mathrm{q}}+\mathrm{j}\left(E_{\mathrm{q}}-I_{\mathrm{d}} x_{\mathrm{d}}\right) \\ & \mathrm{j} E_{\mathrm{q}}=\left(U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}\right)+\mathrm{jj} I_{\mathrm{q}} x_{\mathrm{q}}+\mathrm{j} I_{\mathrm{d}} x_{\mathrm{q}}-\mathrm{j} I_{\mathrm{d}} x_{\mathrm{q}}+\mathrm{j} I_{\mathrm{d}} x_{\mathrm{d}} \\ & \mathrm{j} E_{\mathrm{q}}=\left(U_{\mathrm{d}}+\mathrm{j} U_{\mathrm{q}}\right)+\mathrm{j} x_{\mathrm{q}}\left(I_{\mathrm{d}}+\mathrm{j} I_{\mathrm{q}}\right)+\mathrm{j} I_{\mathrm{d}}\left(x_{\mathrm{d}}-x_{\mathrm{q}}\right) \\ & \dot{E}_{\mathrm{q}}=\underbrace{\dot{U}+\mathrm{j} x_{\mathrm{q}} \dot{I}}_{\dot{E}_{\mathrm{Q}}}+\mathrm{j} I_{\mathrm{d}}\left(x_{\mathrm{d}}-x_{\mathrm{q}}\right) \end{aligned} Ud=IqxqjUq=j(EqIdxd)Ud+jUq=Iqxq+j(EqIdxd)jEq=(Ud+jUq)+jjIqxq+jIdxqjIdxq+jIdxdjEq=(Ud+jUq)+jxq(Id+jIq)+jId(xdxq)E˙q=E˙Q U˙+jxqI˙+jId(xdxq)

因为 j I d ( x d − x q ) \mathrm{j} I_{\mathrm{d}}\left(x_{\mathrm{d}}-x_{\mathrm{q}}\right) jId(xdxq)是在q轴上,因此通过EQ确定了q轴线后,再叠加一个数值量 I d ( x d − x q ) I_{\mathrm{d}}\left(x_{\mathrm{d}}-x_{\mathrm{q}}\right) Id(xdxq)即可得到空载电动势Eq。

在这里插入图片描述
图2 含有EQ虚拟电势的相量图

大部分时候计算是以电压为参考∠0°,即把U相量水平放置,其实就是旋转了一下,关系式不变。

通过图2我们很快确定q轴位置,并得到空载电动势,空载电动势和负载电流的夹角为内功率因数角 ψ \psi ψ

ψ 0 = tan ⁡ − 1 ( U sin ⁡ φ + I X q U cos ⁡ φ + I R a ) \psi_0=\tan ^{-1}\left(\frac{U \sin \varphi+I X_q}{U \cos \varphi+I R_a}\right) ψ0=tan1(Ucosφ+IRaUsinφ+IXq)

由于在计算的时候一般不考虑电阻,因此Ra=0,上述公式的 φ \varphi φ是定子电压即同步电机的输出电压和负载电流的夹角,称为外功率因数角。

通过图2的空间几何关系可以得到上式求得内功率因数角 ψ \psi ψ,内功率因数角 ψ \psi ψ和外功率因数角 φ \varphi φ的差值称为功角 δ \delta δ,就是这个角影响有功功率传输(有功和无功解耦的情况下)。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/461862.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于Spring Boot的员工与部门信息管理系统:增删改查全攻略

介绍项目的搭建过程,包括依赖管理、数据库设计、实体类的创建、控制器的编写以及前端的简单实现。希望通过本项目的学习,能够加深大家对Spring Boot及相关技术的理解,为后续的开发奠定基础。 文章目录 前言 环境搭建 开发规范 查询部门 删除部…

Java Executor ScheduledExecutorService 源码

前言 相关系列 《Java & Executor & 目录》《Java & Executor & ScheduledExecutorService & 源码》《Java & Executor & ScheduledExecutorService & 总结》《Java & Executor & ScheduledExecutorService & 问题》 涉及内容 …

SmartX 在新能源:支撑多家头部企业 MES 等核心系统稳定运行与 VMware 替换

在过去几年中,中国新能源企业经历了迅猛的增长。随着电池技术、光伏发电和风电等领域的不断进步,新能源企业不仅面临生产能力的提升需求,还需要优化运营效率和管理复杂度,其基础设施建设则需要不断升级以适应这种快速扩展的需求&a…

最新出炉!ffmpeg视频滤镜:提取灰度图像-extractplanes

滤镜的描述 extractplanes 滤镜的官网 》 FFmpeg Filters Documentation 这个滤镜可以将视频的像素格式的各个分类分别提取出来,比如你的像素格式是yuv420, 通过这个滤镜可以分别将y/u/v提取出来并进行存储,此时存储y分量的图片,就是灰色…

Webserver(1.6)Linux系统IO函数

目录 open函数打开已有文件创建新文件 read和write函数lseek函数stat和lstat函数 open函数 man 2 open 打开已有文件 #include <sys/types.h> #include <sys/stat.h> #include <fcntl.h> #include <stdio.h> #include <unistd.h>int main(){i…

【02基础】- RabbitMQ基础

目录 2- RabbitMQ2-1 介绍和安装安装 2-2 RabbitMQ 快速入门2-3 RabbitMQ 数据隔离 3- Java客户端3-1 快速入门AMQP快速入门&#x1f4d1;小结&#xff1a;SpringAMQP如何收发消息&#xff1f; 3-2 WorkQueues 任务模型案例-使用 WorkQueue 单队列绑定多消费者&#x1f4d1;小结…

Linux版更新流程

一.下载更新包 下载地址&#xff1a;https://www.nvisual.com/%e4%b8%8b%e8%bd%bd/ 二.更新包组成 更新包由三部分组成&#xff1a; 前端更新包&#xff1a;压缩的ZIP文件&#xff0c;例如&#xff1a;dist-2.2.26-20231227.zip (2.2.26是版本号 20231227是发布日期)后端更…

音视频入门基础:FLV专题(18)——Audio Tag简介

一、引言 根据《video_file_format_spec_v10_1.pdf》第75页&#xff0c;如果某个Tag的Tag header中的TagType值为8&#xff0c;表示该Tag为Audio Tag&#xff1a; 这时StreamID之后紧接着的就是AudioTagHeader&#xff0c;也就是说这时Tag header之后的就是AudioTagHeader&…

再探“构造函数”

文章目录 一. 初始化列表1.1 实现1.2 何时必须使用初始化列表2.3 尽量使用初始化列表 二. 类型转换2.1 内置类型 转换 类类型2.2 explicit&#xff1a;不转换2.3 构造函数多参数2.4 使用隐式转换 2.5 自定义---转换为--->自定义类型 三. 静态成员变量概念在main函数调用私有…

静态路由实现路由互通

静态路由 实现 pc1 ping通 pc2&#xff0c;展示静态路由效果。 默认 pc1 无法ping通 pc2 ar1 ar2 互相添加静态路由 sy Enter system view, return user view with CtrlZ. [ar1]ip route-static 2.2.2.0 255.255.255.0 12.1.1.2 sy Enter system view, return user view wit…

Python爬虫入门篇!

毕设是做爬虫相关的&#xff0c;本来想的是用java写&#xff0c;也写了几个爬虫&#xff0c;其中一个是爬网易云音乐的用户信息&#xff0c;爬了大概100多万&#xff0c;效果不是太满意。之前听说Python这方面比较强&#xff0c;就想用Python试试&#xff0c;之前也没用过Pytho…

【OpenGL】知识点

VAO 和webgl一致 给个完整案例&#xff0c;可以对比 案例&#xff1a;WebGL中VAO调用&#xff0c;是一致的 void prepareSingleBuffer() {//1 准备positions colors数据float positions[] {-0.5f, -0.5f, 0.0f,0.5f, -0.5f, 0.0f,0.0f, 0.5f, 0.0f};float colors[] {1.0f,…

基于NVIDIA NIM平台实现盲人过马路的demo(一)

前言:利用NVIDIA NIM平台提供的大模型进行编辑,通过llama-3.2-90b-vision-instruct模型进行初步的图片检测 step1: 部署大模型到本地,引用所需要的库 import os import requests import base64 import cv2 import time from datetime import datetimestep2: 观看官方使用文…

【大数据学习 | kafka】producer端的回调和ack

主线程将数据放入到本地累加器中record accumulator中进行存储&#xff0c;sender线程会异步的拉取数据到kafka集群中&#xff0c;这个数据拉取并且复制到kafka集群中以后&#xff0c;kafka需要返回给sender线程一个确认应答ack&#xff0c;这个确认应答用于在sender线程中进行…

硅谷甄选(11)角色管理

角色管理模块 10.1 角色管理模块静态搭建 还是熟悉的组件&#xff1a;el-card、el-table 、el-pagination、el-form <template><el-card><el-form :inline"true" class"form"><el-form-item label"职位搜索"><el-…

使用Git进行版本控制的最佳实践

文章目录 Git简介基本概念仓库&#xff08;Repository&#xff09;提交&#xff08;Commit&#xff09;分支&#xff08;Branching&#xff09; 常用命令初始化仓库添加文件提交修改查看状态克隆仓库分支操作合并分支推送更改 最佳实践使用有意义的提交信息定期推送至远程仓库使…

开源模型应用落地-Qwen2.5-7B-Instruct与TGI实现推理加速

一、前言 目前&#xff0c;大语言模型已升级至Qwen2.5版本。无论是语言模型还是多模态模型&#xff0c;均在大规模多语言和多模态数据上进行预训练&#xff0c;并通过高质量数据进行后期微调以贴近人类偏好。在本篇学习中&#xff0c;将集成 Hugging Face的TGI框架实现模型推理…

Halcon-模板匹配(WPF)

halcon的代码 dev_open_window (0, 0, 512, 512, black, WindowHandle) read_image (Image, C:/Users/CF/Desktop/image.jpg) dev_display (Image)draw_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2) gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2) r…

CSGO: Content-Style Composition in Text-to-Image Generation(代码的复现)

文章目录 CSGO简介论文的代码部署需要下载的模型权重&#xff1a;复现中存在的一些问题 推理代码生成结果示意图 CSGO简介 CSGO: Content-Style Composition in Text-to-Image Generation&#xff08;风格迁移&#xff09; 本文是一篇风格迁移的论文&#xff1a;将内容参考图像…

安卓13默认连接wifi热点 android13默认连接wifi

总纲 android13 rom 开发总纲说明 文章目录 1.前言2.问题分析3.代码分析4.代码修改5.编译6.彩蛋1.前言 有时候我们需要让固件里面内置好,相关的wifi的ssid和密码,让固件起来就可以连接wifi,不用在手动操作。 2.问题分析 这个功能,使用普通的安卓代码就可以实现了。 3.代…