拍振和共振

这篇文章有更通俗易懂的解释

https://mp.weixin.qq.com/s/btOgyatmAD1tCQN1KcnH2Q

一、拍振的概念

拍振是两个频率接近的力(激励源)产生的振动叠加在一起造成的,由于频率接近,周期也接近,每过一个周期两个信号的相对相位就会有一点变化,接近同相的时候两个信号叠加,幅值变大,接近反相的时候两个信号相互抵消,幅值变小,造成波形总幅值的周期性波动

图片

图片

拍振对应的波形图和频谱图

二、拍振的周期

我们来算道题,两个波形周期分别是T1和T2(比如8秒和10秒),从一次同时达到最大值开始,每经过T1的时间,两个波形达到峰值的时间差 (T2-T1),经过T2/(T2-T1)个T1周期后两个波形再次同时达到最大值,所以每隔T1*T2/(T2-T1)的时间,两个波形叠加达到最大值,中间是逐渐减小到最小值再逐渐增大的过程。幅值波动周期T1*T2/(T2-T1)的倒数就是波动的频率,(T2-T1) / T1*T2=1/T1-1/T2=f1-f2。也就是说这个波动频率是两个原始信号的频率差。实际案例证明也是这样的。波形里间隔小的那个周期应该是(T2+T1)/2。

当频率比满足0.85≤ξ≤1.18,振幅比满足0.33≤β≤3,两个分振动可合成拍频振动,初始相位差对拍频振动并无实质性影响;频率比影响合成振动振幅周期;振幅比越小,振动的对比度越小,拍振现象越不明显。当振幅比为1时,拍振现象最明显。

当频率比满足0.85≤ξ≤1.18,振幅比满足0.33≤β≤3,两个分振动可合成拍频振动,初始相位差对拍频振动并无实质性影响;频率比影响合成振动振幅周期;振幅比越小,振动的对比度越小,拍振现象越不明显。当振幅比为1时,拍振现象最明显。

例子1:A1=A2 =1,  f1=10Hz, f2 = 10.5Hz,频率比f2/f1= 1.05,振幅比1,根据上面的分析可知,可形成拍振,拍振周期是2s。

图片

例子2:A1=A2 =1,  f1=10Hz, f2 = 11Hz,频率比f2/f1= 1.1,振幅比1,根据上面的分析可知,可形成拍振,拍振周期是1s。

图片

例子3:A1=1, A2 =3,  f1=10Hz, f2 = 11Hz,频率比f2/f1= 1.1,振幅比3,根据上面的分析可知,可形成拍振,拍振周期是1s,同时与例子2比,拍振现象相对较弱。

图片

例子4:A1=A2 =1,  f1=10Hz, f2 = 13Hz,频率比f2/f1= 1.3,振幅比1,按公式拍振周期是3.3s,但根据上面的分析可知,可知已无明显拍振现象。

图片

三、拍振和共振的区别

虽然都是两个频率接近的问题,但拍振是两个激振力的频率接近,共振是激振力频率和系统的固有频率接近

固有频率是设备本身的一个属性,由系统质量和刚度决定,不管设备是否运转,都是存在的。激振力频率和固有频率接近或一致时,振动会被放大,放大的也是激振力频率的振动。想想启停机过程,是一倍频的振动幅值随着转速变化,在固有频率处达到最大值,一般不存在一个一直存在的固有频率的振动。固有频率要出现振动,必须有相同频率的激振力激起来,这个激振力可能是平常的故障产生的特征频率的力,也可能是随机噪声振动,也可能是冲击。

仅供自己学习记录

内容概要:本文围绕“计及V2G主动支撑的光伏-储能-电动汽车输配协同日前优化调度”展开研究,提出了一种综合考虑光伏发电、储能系统与电动汽车(EV)在V2G(Vehicle-to-Grid)模式下协同参与电网调度的优化模型。通过Matlab代码实现,构建了日前优化调度框架,充分挖掘电动汽车作为移动储能单元的潜力,利用其双向充放电能力为主动配电网提供调峰、填谷备用等主动支撑服务。研究综合考虑了可再生能源出力不确定性、负荷需求波动以及电动汽车出行行为特征,建立了多主体、多目标的协同优化机制,旨在降低系统运行成本、提高新能源消纳水平,并增强电网运行的稳定性与可靠性。该资源属于电力系统与综合能源系统领域的高水平科研复现资料,具备较强的理论深度与工程应用价值; 适合人群:具备电力系统分析、优化建模基础及Matlab编程能力的研究生、科研人员,以及从事智能电网、能源互联网、综合能源系统等相关领域技术研发的专业技术人员; 使用场景及目标:①用于学习复现源-网-荷-储协同优化调度的核心建模方法与求解流程;②掌握V2G技术在电网调频调峰中的数学建模方法及其在优化调度中的集成应用;③支撑光伏、储能与电动汽车耦合系统的低碳经济调度、鲁棒优化或分布鲁棒优化等前沿课题的研究与仿真验证; 阅读建议:建议结合文中提供的Matlab代码与主流优化工具箱(如YALMIP、CPLEX、Gurobi等)进行实践操作,重点理解目标函数设计、约束条件构建及多变量耦合关系的处理策略,同时可进一步拓展至日内滚动优化、实时调度或多时间尺度协调优化方向开展深入研究。
内容概要:本文提出了一种基于改进自适应完备集合经验模态分解(Improved Adaptive Complete Ensemble Empirical Mode Decomposition, ICEEMDAN)的混合储能辅助火电机组调频协同控制策略,并提供了完整的Matlab代码实现。该策略利用ICEEMDAN对电网频率波动信号进行高精度自适应分解,提取不同时间尺度下的功率分量,进而合理分配火电机组与混合储能系统(如蓄电池、飞轮等)的调频任务,充分发挥各自响应速度快慢互补的优势。通过引入优化算法对功率分配系数进行动态整定,实现了调频过程中储能系统的高效协同运行,有效抑制了功率波动,提升了系统频率调节的快速性、稳定性调节精度,同时延长了储能设备的使用寿命。文中详细阐述了算法原理、模型构建、控制逻辑设计及仿真验证过程,具有较强的可复现性与工程应用价值。; 适合人群:具备电力系统自动化、新能源并网控制或智能优化算法等相关专业知识背景,熟悉Matlab/Simulink仿真平台的技术人员,特别适用于从事电网调频、储能系统控制、信号处理在电力系统中应用等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入研究混合储能系统在提升传统火电机组调频性能中的作用机制;②掌握ICEEMDAN等先进非平稳信号处理方法在功率动态分解中的具体实现与参数调优;③构建火电机组-储能协同调频仿真模型,开展多工况对比分析以优化控制性能;④为相关学术论文复现、科研项目申报或实际工程方案设计提供可靠的技术参考与代码支持。; 阅读建议:建议结合Matlab代码逐模块阅读文档内容,重点关注ICEEMDAN的实现流程、IMF分量筛选规则、功率分配权重计算逻辑及整体控制架构的设计思路。读者可通过调整信号噪声水平、滤波参数、储能容量配置等变量进行仿真实验,对比不同策略下的调频效果,从而深化对协同控制机理的理解,并可进一步拓展至风光火储联合系统或多时间尺度协调控制的研究场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值