走在汽車革命的路上論文書籍站
inrush current標準的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包
inrush current標準的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦江榮城寫的 電力品質(第二版) 可以從中找到所需的評價。
國立臺灣科技大學 電機工程系 辜志承所指導 曹仁瑋的 應用混合式濾波器於電力品質之綜合補償 （2021），提出inrush current標準關鍵因素是什麼，來自於電力品質、混合式濾波器、靜態虛功補償器、主動式濾波器、對稱分量法、瞬時無效功率。
而第二篇論文國立臺灣科技大學 電子工程系 魏榮宗所指導 高偉的 太陽光電系統直流側故障智慧型診斷技術研究 （2021），提出因為有 太陽光電系統、故障診斷、一維卷積神經網路、殘差門控回歸單元、堆疊自編碼器、改進多顆細微性級聯森林、改進經驗小波分解、復合多尺度排列熵、孿生支持向量機的重點而找出了 inrush current標準的解答。
電力品質(第二版)
為了解決inrush current標準 的問題，作者江榮城 這樣論述：
本書由電力品質實務、電力諧波應用、電壓閃爍應用至電磁暫態實例等，皆有詳細解說，並探討電力品質之污染源、影響對象、管制標準與改善對策，以由淺入深的方式收錄作者近二十年來從事電力品質背景量測、管制標準制訂、污染防治與改善對策等相關實務經驗與事故診斷案例說明。本書作者經歷豐富，曾多次受邀於國內公司機關發表專題演講，以及為台電草擬第一版電力系統諧波管制標準，並在隔年公告實施。本書適用於科大電機系「電力品質」課程學生或是電機工程從業員與開業電機技師自修與設計使用。 本書特色 (1)國內惟一由理論與實務結合之電力品質課程教材，文中引用之圖表以實測資料為主。 (2)本書出自十幾年電力品質實務
經驗之台電電機博士專家之作品。 (3)本書有系統編輯目前工業界所關心之不良電力品質種類、產生原因、影響對象、管制標準與改善對策。 (4)本書以實際台電圖審計算例，介紹電力諧波、電壓閃爍與電磁場之計算技術。
應用混合式濾波器於電力品質之綜合補償
為了解決inrush current標準 的問題，作者曹仁瑋 這樣論述：
隨著國際與國內經濟高速發展，帶動電力需求不斷攀升，加上電源側分散型電源的深度開發及用電側高效率可控設備的性能追求，愈來愈多單相/三相及間歇性電源/劇烈變動負載併入系統運轉，使電力品質的挑戰日益高漲。本文主要檢視用戶端因負載運轉特性而導致之電力品質問題，包括三相不平衡、諧波汙染、功率因數及電壓閃爍等，其成因、影響、相關管制標準及改善方法亦一併探討。本論文提出以靜態虛功補償器搭配主動式濾波器之混合式濾波器架構，用於改善負載側電力品質之綜合補償策略，以維持用電設備可靠且穩定的電力系統供電品質。其中，靜態虛功補償器係以對稱分量法作為無效功率控制之基礎；主動式濾波器則應用瞬時無效功率法即時計算補償電流
命令。此外，提出結合對稱分量法與瞬時無效功率法，並應用選擇性補償策略作為本文開發電力品質綜合補償系統之依據。本論文使用Matlab/Simulink 建置混合式濾波器架構及以Matlab/App Designer開發電力品質綜合補償系統，在多種不同模擬情境下驗證，結果顯示本論文所提之方法皆可達成所預期的電力品質改善目標。
太陽光電系統直流側故障智慧型診斷技術研究
為了解決inrush current標準 的問題，作者高偉 這樣論述：
太陽光電系統運行在環境多變的戶外，容易出現各種類型的故障，若不及時排除，就會出現發電功率損失、元件損壞、熱斑等問題甚至火災事故。在太陽光電系統大規模建設的背景下，及時發現並處置元件故障，提高元件的使用壽命，保持元件的正常運行效率顯得相對重要。本論文在分析太陽光電陣列電流-電壓(I-V)曲線在不同故障狀態下的差異性的基礎上，以I-V曲線波形、溫度和輻照度為輸入量，提出一種融合卷積神經網路和殘差-門控迴圈單元的太陽光電系統故障識別方法。該方法包括1個有4層結構的一維卷積神經網路單元和1個有殘差的門控迴圈單元。該方法具有端到端故障診斷的特點，不需要人工進行特徵提取，抗幹擾能力強。該方法不僅能識別出
單一故障類型，如短路、遮陰、老化等，而且能有效識別出多故障同時存在的情況。該方法對實測資料的診斷準確率達到98.61%，優於人工神經網路、帶核函數的極限學習機、模糊C均值聚類、深度殘差網路模型和SAMME-CART模型。此外，當沒有溫度和輻照度資訊的情況下，準確率依然達到95.23%，所提方法在老舊太陽光電電廠中應用也將具有廣闊的前景。為解決在併網運行階段的太陽光電系統診斷問題，通過對光電陣列在故障瞬間時序波形變化規律的研究，本文進一步提出一種新型基於時序波形的太陽光電系統故障診斷方法。首先採集故障發生前後的電壓和電流時序波形，通過標準化操作將標準化後的電壓、電流和功率波形作為輸入信號。接著透
過堆疊自動編碼器實現故障特徵提取，並提出一種改進的多顆細微性級聯森林(IgcForest)對光電陣列的線-線、開路、遮陰等故障進行診斷。所提方法的優點是利用堆疊自動編碼器自動提取出具有較高辨識度的特徵。利用多顆細微性級聯森林實現故障特徵的增強和挖掘，特別是所提的改進方法在降低特徵向量維度的同時，增強各級森林間資訊連通性，提高診斷的準確率。數值模擬和實測資料對方法的有效性進行了進一步驗證，所提方法對單一類型故障診斷精度分別達到了99.33%和98.61%，優於傳統softmax、支持向量機、隨機森林、多顆細微性級聯森林、層自我調整級聯森林等方法。進一步，當其面對混合故障資料集時，精度依然達到98
.83%.串聯電弧故障是太陽光電發電系統在運行過程中遭遇的危害性最大的故障之一。及時發現串聯電弧故障，避免火災事故的發生，是一項具有挑戰性的工作。針對不同工況下所發生的串聯電弧故障，本文更提出一種結合漢克爾-奇異值分解(Hankel-SVD)降噪和改進經驗小波分解-孿生支持向量機(IEWT-TWSVM)的檢測演算法。該演算法利用漢克爾-奇異值分解演算法對直流母線電流進行去噪，有效避免了開關頻率與無關背景雜訊的影響。隨後將去噪後的電流進行改進經驗小波分解分解，然後將各頻帶的複合多尺度排列熵放入樽海鞘尋優的孿生支持向量機分類器完成故障的檢測。該演算法不僅能夠檢測出不同故障位置的電弧故障，同時還能抵
抗動態遮陰、並網、強風等幹擾現象。最後，本研究驗證了模型在電弧暫態過程、長線路故障、單串列系統以及不同取樣速率四種情況下的檢測效果，結果比較理想。實驗表明，所提方法對實測資料的檢測準確率高達98.10%，優於傳統的小波分解、經驗模態分解和統計學(均值、標準差、熵值)等方法。