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:/a/906366.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

C语言原码、反码和补码的详解

C语言原码、反码和补码的详解 放在最前面的1、前言正数的原码、反码和补码负数的原码、反码和补码 2、整数的原码(2.1)原码的定义(2.2)计算原码 3、整数的反码(3.1)反码的定义(3.2)计…

idea 导入Spring源码遇到的坑并解决

1.下载相关文件 通过百度网盘分享的文件:Spring 链接:https://pan.baidu.com/s/1r9rkGOCaY9SFn9ecng5cIg?pwd8888 提取码:8888 2.配置gradle环境 gradle下载地址 需要翻墙下 https://services.gradle.org/distributions/ 我选择的是 grad…

Redis-“自动分片、一定程度的高可用性”(sharding水平拆分、failover故障转移)特性(Sentinel、Cluster)

文章目录 零、写在前面一、水平拆分(sharding/分片)、故障转移(failover)机制介绍水平拆分(Sharding)故障转移机制 二、Redis的水平拆分的机制有关的配置1. 环境准备2. 配置文件配置3. 启动所有Redis实例4. 创建集群5. 测试集群读/写6. 集群管理 三、Red…

C++STL详解(九)map和set的使用

一.关联式容器的介绍 CSTL包含了序列式容器和关联式容器&#xff1a; 序列式容器里面存储的是元素本身&#xff0c;其底层是线性的数据结构&#xff0c;就譬如我们之前学习的vector&#xff0c;list&#xff0c;deque等等。关联式容器里面存储的是<key,value>的键值对&…

goframe开发一个企业网站 模版界面4

###goframe已有了模板的功能 {{"string"}} // 一般 string {{raw string}} // 原始 string {{c}} // byte {{print nil}} // nil 也被支持 {{. | FuncA | FuncB | FuncC}}{{if .condition}}... {{else}}{{if .condition2}}...{{end}} {{end}}{{rang…

一、k8s快速入门之学习Kubernetes组件基础

一、三个容器管理器平台 Apache MESOS 开源的分布式资源管理框架&#xff0c;被推特选为基础平台&#xff0c;2019年推特换位k8s&#xff0c;MESOS最新版可以在MESOS上管理k8sDOCKER SWARM docker总部发行的&#xff0c;实现docker的集群方案&#xff0c;和docker捆版一起&…

初始JavaEE篇——多线程(7):定时器、CAS

找往期文章包括但不限于本期文章中不懂的知识点&#xff1a; 个人主页&#xff1a;我要学编程程(ಥ_ಥ)-CSDN博客 所属专栏&#xff1a;JavaEE 目录 定时器的使用 定时器的原理 模拟实现定时器 CAS 介绍 CAS的应用场景 解析 AtomicInteger 类 实现自旋锁 CAS的缺陷…

【UGUI】为射击游戏添加动态显示的分数和血量到UI界面

项目背景 在这个项目中&#xff0c;我们希望实现一个简单的游戏系统&#xff0c;其中玩家可以通过击中目标来获得分数&#xff0c;同时通过与怪物碰撞来减少血量。分数和血量需要在游戏界面上实时显示&#xff0c;以便玩家能够随时了解自己的状态。 技术实现 1. 静态变量的使…

stm32引脚PB3、PB4、PA15作为普通IO口用时,需要先解除调试端口复用

当项目调试的时候&#xff0c;发现PA15引脚无论配置输出高还是低或者输入&#xff0c;均只能输出3.3V的高电平。 目前STM的硬件调试有两种方法&#xff0c;JTAG和SW的方式&#xff0c;目前个人认为最好的方式就是SW&#xff0c;因为它只占用PA13和PA14两个IO。而JTAG还要多占用…

MATLAB与STK互联:仿真并获取低轨卫星与指定区域地面站的可见性数据

MATLAB控制STK实现&#xff1a;仿真并获取低轨卫星与指定区域地面站的可见性数据 本次仿真主要参考了多篇文献和网站&#xff0c;包括但不限于&#xff1a;《Using MATLAB for STK Automation》、CSDN博文&#xff1a; 拜火先知的博客_CSDN博客-笔记、AGI官网有关MATLAB的内容…

用Python设置、更新和获取Excel单元格的值

Excel工作簿作为一款广泛使用的数据管理工具&#xff0c;与Python相结合&#xff0c;可以使得自动化处理大量数据成为可能。通过Python来设置、更新以及读取Excel单元格的值&#xff0c;不仅可以极大地提高工作效率&#xff0c;减少重复劳动&#xff0c;还能增强数据处理流程的…

Golang | Leetcode Golang题解之第525题连续数组

题目&#xff1a; 题解&#xff1a; func findMaxLength(nums []int) (maxLength int) {mp : map[int]int{0: -1}counter : 0for i, num : range nums {if num 1 {counter} else {counter--}if prevIndex, has : mp[counter]; has {maxLength max(maxLength, i-prevIndex)} …

提升网站安全性 HTTPS的重要性与应用指南

内容概要 在如今数字化快速发展的时代&#xff0c;网站安全显得尤为重要。许多用户在访问网站时&#xff0c;尤其是涉及个人信息或金融交易时&#xff0c;对数据传输的安全性有着高度的关注。HTTPS&#xff08;超文本传输安全协议&#xff09;正是为了满足这种需求而诞生的。通…

DICOM标准:解析DICOM属性中的病人模块

目录 病人模块概述 1. 病人关系模块&#xff08;Patient Relationship Module&#xff09; 2. 病人识别模块&#xff08;Patient Identification Module&#xff09; 3. 病人统计模块&#xff08;Patient Demographic Module&#xff09; 4. 病人医学模块&#xff08;Pati…

编写高性能爬虫抓取股票行情数据

最近给一个私募大佬帮忙做了一些股票交易有关的系统&#xff0c;其中涉及到行情数据抓取的问题&#xff0c;一番摸索之后&#xff0c;把成果在这里做个分享。 我把行情抓取的部分&#xff0c;和一个写手记的小功能&#xff0c;单独拿了出来放在一个小系统里面&#xff0c;可以…

人像摄影笔记(自用)

相机的原理&#xff1a;镜头--CMOS传感器---通过ISP的计算 然后通过手机的GPU处理后呈现出图片的形式 镜头&#xff1a;定焦和变焦&#xff0c;变焦分为光学变焦和数字变焦 光学变焦&#xff1a;焦距变了 画质不变 数字变焦&#xff1a;焦距不变 裁剪画质 数字变焦一…

前端埋点与监控最佳实践:从基础到全流程实现.

前端埋点与监控最佳实践&#xff1a;从基础到全流程实现 大纲 我们会从以下三个方向来讲解埋点与监控的知识&#xff1a; 什么是埋点&#xff1f;什么是监控&#xff1f; JS 中实现监控的核心方案 写一个“相对”完整的监控实例 一、什么是埋点&#xff1f;什么是监控&am…

电能质量治理产品在分布式光伏电站的应用

1.概述 随着全球对可再生能源需求的不断增长&#xff0c;分布式光伏电站的建设与扩张正迅速发展。然而&#xff0c;在其运行过程中&#xff0c;分布式光伏电站遭遇了一系列挑战&#xff0c;包括企业关口计量点功率因数降低和谐波污染等问题。这些问题不仅影响了光伏电站的运行…

遥感图像Trento原始数据集下载

遥感图像Trento原始数据集下载 偶然间在某个项目里发现了Trento的完整数据集&#xff0c;不过那个数据集有些奇怪的小改动 虽然我已经不做遥感方向了&#xff0c;不过当初我找这个数据集也是花了很长时间 于是重新整理了一下&#xff0c;就当是方便后来的研究者使用吧 githu…

GenAI 生态系统现状:不止大语言模型和向量数据库

自 20 个月前 ChatGPT 革命性的推出以来&#xff0c;生成式人工智能&#xff08;GenAI&#xff09;领域经历了显著的发展和创新。最初&#xff0c;大语言模型&#xff08;LLMs&#xff09;和向量数据库吸引了最多的关注。然而&#xff0c;GenAI 生态系统远不止这两个部分&#…