在变频器维修中，有时候会碰到变频器三相电压不平衡的问题，空载时不报警，重载时变频器会有输出缺项报警，造成这种问题如下。1.IGBT损坏2.驱动电路损坏3.驱动电源损坏4.电流检测损坏，概率低重点检测驱动电路和IGBT，大多数IGBT损坏，同时驱动电路也相继损坏，也有单独驱动电路损坏案例，在更换IGBT模块后，还应该检测驱动电路及驱动电源，隔离光耦，图腾柱三极管，滤波电解电容及稳压二极管，测试驱动电
转载
2024-07-03 19:03:38
48阅读
在低压配电中，不仅有三相用电设备，也有大量的单相和两相用电设备；不仅有线性负载，也有非线性负载。由于大量的单相负载或者非线性负载存在，所以三相不平衡是非常常见的。在低压配电中为了让三相平衡，我们尽可能把单相负载按照功率及性质均分在三相火线上。三相平衡判断我们通常所说的三相不平衡都是指三个火线中每根火线上所带负载功率不一致。我们都知道功率的计算公式为：从功率计算公式可以看出，功率大小和电压、电流、功
转载
2024-04-23 16:34:41
82阅读
# Python计算三相不平衡
## 引言
在电力系统中，三相不平衡是指三相电压（或电流）的幅值和相位差不完全相同的情况。三相不平衡可能会导致电力系统的不稳定，影响电力设备的寿命和效率，因此对于电力系统的运维和故障排除非常重要。本文将介绍如何使用Python计算三相不平衡的方法，并提供相应的代码示例。
## 三相电压的表示
在电力系统中，三相电压可以用复数表示，复数的实部表示电压的幅值，虚
原创
2023-07-24 01:11:09
651阅读
一、变频电源的安装方式： 变频电源应安装在凉爽、干燥、清洁、散热良好的环境中，环境指标应在电源的额定指标范围内。 RFC系列电源由内部风扇提供，用于强制风冷。冷空气通过电源柜内各部分的空气网进入电源，并通过电源顶部的空气网取出。如果将电源安装在升高的地板上，并采用底线，冷空气可以通过与地板的间隙进入电源。如有必要，应安装排气扇以加速周围空气流动，在有粉
1. 对称三相电源 通常由三相同步发电机产生对称三相电源。如图11.1所示，其中三相绕组在空间互差 120°，当转子以均匀角速度ω转动时，在三相绕组中产生感应电压，从而形成图11.2 所示的对称三相电源。其中A、B、C三端称为始端，X、Y、Z三端称为末端。 图 11.1 &nb
在仿真过程中，发现，CL型VSR的相电流反馈点的不同，产生电流谐振的大小有很大区别。不带任何阻尼的情况下的仿真。1、当相电流反馈采用电网电流反馈时，谐振非常厉害，直接导致系统的不稳定，电流环电流一直震荡增大。如下图所示。可见相电流的震荡增大。这个可能跟参数的调整有关，单至少说明，
原创
2021-09-06 11:05:50
384阅读
在电路设计中，总会出现各式各样的电源符号，经常会把人弄懵逼，今天小编整理了二十多个比较常用的电源符号分享给大家，快收藏呀。
电源符号，你是否还傻傻分不清楚？常用电源符号附上！在电路设计中，总会出现各式各样的电源符号，经常会把人弄懵逼，今天小编整理了二十多个比较常用的电源符号分享给大家，快收藏呀。1.VBB：B可以认为是三极管的基极B，一般是指电源正极。2
转载
2024-03-31 19:01:26
52阅读
上一篇介绍了从数据角度出发，如果去处理不平衡问题，主要是通过过采样和欠采样以及它们的改进方式。本篇博客，介绍不平衡问题可以采样的算法。一、代价敏感学习在通常的学习任务中，假定所有样本的权重一般都是相等的，或者说误分类成本是相同的。但是在大多数实际应用中，这种假设是不正确的。最简单的例子就是在医疗中的癌症诊断，产生的误判导致的过晚的治疗将会危及患者生命；另外还有在风控领域，将一个盗刷行为判定为正常行
转载
2023-11-14 11:07:10
70阅读
概述定义数据不平衡分类是对各类别间样本的数目相差较大的数据集进行分类。例如：二分类问题中，一个样本总数为100，80个样本被标为类别1，剩下的20个样本被标为类别2。类别1比类别2的样本总数为4:1。这是一个不平衡的数据集。实际生活中，故障检测，癌症检测，石油勘探都是不平衡数据。传统分类器对于不平衡数据的不适用性传统分类方法有：决策树法，朴素贝叶斯分类器，支持向量机，K近邻法，多层感知器等。其中，
转载
2023-11-10 13:35:58
17阅读
一、定义类别不平衡是指分类任务中不同类别的训练样例数目差别很大的情况。二、问题：从线性分类器角度讨论，用y = wTx+b对新样本x进行分类，事实上是用预测出的y值与一个阈值进行比较，例如通常在y>0.5时判别为正例，否则为反例。y表达的是正例的可能性，几率y/1-y反映了正例可能性与反例可能性之比例，阈值设置为0.5恰表明分类器认为真实正、反例可能性相同，即分类器决策规则为若y/1-y &
转载
2024-03-09 19:04:47
99阅读
matlab/simulink三相四桥臂逆变器仿真模型
采用的是电压外环电流内环控制策略，交流测可以接不平衡负载，在负载不平衡的情况下依然可以保持输出电压对称。
直流侧输入电压范围450V~2000V均可。
交流测输出电压为380/220V，不平衡负载和平衡负载均可。
模型包含三相四桥臂逆变器、正负零序分量Park变换、电压外环电流内环控制策略、3D-SVPWM模块、波形查看模块等。
另外自己也总
一、数据不平衡1.1 什么是数据不平衡在学术研究与教学中，很多算法都有一个基本假设，那就是数据分布是均匀的。当我们把这些算法直接应用于实际数据时，大多数情况下都无法取得理想的结果。因为实际数据往往分布得很不均匀，都会存在“长尾现象”，也就是所谓的“二八原理”。以二分类问题为例，假设正类的样本数量远大于负类的样本数量，通常情况下把样本类别比例超过4:1（也有说3:1）的数据就可以称为不平衡数据。不平
转载
2023-12-16 18:37:00
76阅读
本文作者用python代码示例解释了3种处理不平衡数据集的可选方法，包括数据层面上的2种重采样数据集方法和算法层面上的1个集成分类器方法。分类是机器学习最常见的问题之一，处理它的最佳方法是从分析和探索数据集开始，即从探索式数据分析（Exploratory Data Analysis， EDA）开始。除了生成尽可能多的数据见解和信息，它还用于查找数据集中可能存在的任何问题。在分析用于分类的数据集时，
转载
2023-09-14 22:33:34
138阅读
我们将介绍几种处理不平衡数据集的替代方法，包括带有代码示例的不同重采样和组合方法。分类是最常见的机器学习问题之一。接近任何分类问题的最佳方式是通过分析和探索我们所说的数据集开始Exploratory Data Analysis(EDA)此练习的唯一目的是生成有关数据的尽可能多的见解和信息。它还用于查找数据集中可能存在的任何问题。在用于分类的数据集中发现的常见问题之一是不平衡类问
转载
2024-03-15 10:38:50
263阅读
什么是不平衡数据集不平衡数据集是指在解决分类问题时每个类别的样本量不均衡的数据集。 比如，在二分类中你有100个样本其中80个样本被标记为class 1, 其余20个被标记为class 2. 这个数据集就是一个不平衡数据集，class 1和class 2的样本数量之比为4：1.不平衡数据集不仅存在于二分类问题而且存在于多分类问题中。8种对抗不平衡数据集的策略（1）是否能收集更多数据我们首先想到的应
转载
2023-11-03 06:41:07
125阅读
类别不平衡问题会造成这样的后果：在数据分布不平衡时，其往往会导致分类器的输出倾向于在数据集中占多数的类别：输出多数类会带来更高的分类准确率，但在我们所关注的少数类中表现不佳。
转载
2023-05-24 11:07:02
468阅读
1. 数据不平衡问题所谓的不平衡指的是不同类别的样本量差异非常大，或者少数样本代表了业务的关键数据(少量样本更重要)，需要对少量样本的模式有很好的学习。样本类别分布不平衡主要出现在分类相关的建模问题上。 样本类别分布不均衡从数据规模上可以分为大数据分布不均衡和小数据不均衡。分布不均衡两种:大数据分布不均衡——整体数据规模较大，某类别样本占比较小。例如拥有1000万条记录的数据集中，其中占比5万条的
转载
2023-11-30 15:42:23
20阅读
随着人工智能的快速发展和大数据时代的来临,数据挖掘、数据分析变得越来越重要,它们为各行各业带来了巨大的实际价值.与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一。1、数据不均衡的影响数据不均衡会导致模型收敛速度减慢,并且个别类别学习的特征过少造成泛化能力偏差对于图像数据 数据不均衡的处理方法主要通过数据增强的方法
转载
2023-11-28 21:54:39
308阅读
数据不平衡1.什么是数据不平衡一般都是假设数据分布是均匀的，每种样本的个数差不多，但是现实情况下我们取到的数据并不是这样的，如果直接将分布不均的数据直接应用于算法，大多情况下都无法取得理想的结果。这里着重考虑二分类，因为解决了二分类种的数据不平衡问题后，推而广之酒能得到多分类情况下的解决方案。经验表明，训练数据中每个类别有5000个以上样本，其实也要相对于特征而言，来判断样本数目是不是足够，数据量
转载
2024-01-19 13:59:43
129阅读
类别不平衡是指分类任务中不同类别的训练样例数目差别很大的情况。 1、扩大数据集2、欠采样欠采样（under-sampling）：对大类的数据样本进行采样来减少该类数据样本的个数，使其与其他类数目接近，然后再进行学习。随机欠采样方法：通过改变多数类样本比例以达到修改样本分布的目的，从而使样本分布较为均衡，但是这也存在一些问题。对于随机欠采样，由于采样的样本集合要少于原来的样本集合，因此会造
转载
2024-05-16 10:02:19
131阅读
