电网中特大功率负荷的功率动态变化对智能电能表产生不同程度的影响,甚至引起较大误差。为了分析智能电能表动态误差的来源,该文采用机理建模的方法分别建立智能电能表电压通道、具有可编程增益放大器（programmable gain amplifier,PG...电网中特大功率负荷的功率动态变化对智能电能表产生不同程度的影响,甚至引起较大误差。为了分析智能电能表动态误差的来源,该文采用机理建模的方法分别建立智能电能表电压通道、具有可编程增益放大器（programmable gain amplifier,PGA）增益反馈控制的电流通道、有功功率测量单元及电能测量单元的动态数学模型,并集成各单元之间的信号传递关系,综合建立智能电能表全系统模型。以此为基础,建立动态误差仿真平台,分析各单元的模型参数对有功电能动态误差的影响。通过搭建动态误差测试系统,测试典型电能表的动态误差,与仿真分析结果的对比表明,该文提出的全系统模型可用于分析电能表动态条件下的内部误差影响因素、明确误差来源。研究结果可为后续提高智能电能表的动态性能提供定量的决策参考。展开更多
水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入...水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入量的变化量之间的数学关系,结合经典概率论,提出了能够分辨模型结构不确定性来源的考虑模型结构不确定性的动态系统响应曲线校正方法(dynamic system response curve method considering the model structure uncertainty,UNDSRC).将该方法应用于大坡岭流域与富水流域检验UNDSRC方法的综合表现,并与DSRC方法进行比较.研究表明:1)在实际流域检验中,UNDSRC方法相较于DSRC方法具有更好的校正效果,校正效果评价系数分别为0.82与0.60;2)DSRC方法在2个实际流域均可以对新安江模型进行有效校正,且校正效果相似;3)UNDSRC方法校正效果优异且稳定,能够适应更复杂的流域下垫面情况,方法对洪峰流量的校正优于对径流深的校正;4)校正精度相同的情况下,UNDSRC方法相较于DSRC方法具有更小的岭系数.展开更多
文摘电网中特大功率负荷的功率动态变化对智能电能表产生不同程度的影响,甚至引起较大误差。为了分析智能电能表动态误差的来源,该文采用机理建模的方法分别建立智能电能表电压通道、具有可编程增益放大器（programmable gain amplifier,PGA）增益反馈控制的电流通道、有功功率测量单元及电能测量单元的动态数学模型,并集成各单元之间的信号传递关系,综合建立智能电能表全系统模型。以此为基础,建立动态误差仿真平台,分析各单元的模型参数对有功电能动态误差的影响。通过搭建动态误差测试系统,测试典型电能表的动态误差,与仿真分析结果的对比表明,该文提出的全系统模型可用于分析电能表动态条件下的内部误差影响因素、明确误差来源。研究结果可为后续提高智能电能表的动态性能提供定量的决策参考。
文摘水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入量的变化量之间的数学关系,结合经典概率论,提出了能够分辨模型结构不确定性来源的考虑模型结构不确定性的动态系统响应曲线校正方法(dynamic system response curve method considering the model structure uncertainty,UNDSRC).将该方法应用于大坡岭流域与富水流域检验UNDSRC方法的综合表现,并与DSRC方法进行比较.研究表明:1)在实际流域检验中,UNDSRC方法相较于DSRC方法具有更好的校正效果,校正效果评价系数分别为0.82与0.60;2)DSRC方法在2个实际流域均可以对新安江模型进行有效校正,且校正效果相似;3)UNDSRC方法校正效果优异且稳定,能够适应更复杂的流域下垫面情况,方法对洪峰流量的校正优于对径流深的校正;4)校正精度相同的情况下,UNDSRC方法相较于DSRC方法具有更小的岭系数.
