交流电路理论:峰值、平均值和RMS值的计算公式

简介: 除了频率和周期之外,AC 波形的一个关键属性是振幅,它表示交变波形的最大值,或者更广为人知的是峰值。

除了频率和周期之外,AC 波形的一个关键属性是振幅,它表示交变波形的最大值,或者更广为人知的是峰值。

峰值,顾名思义,是交流电流(或电压)波形在波形的半个周期内从零基线起点测量的最高值。这给了我们交流和直流之间的主要区别之一,因为基于直流的信号是稳态信号,因此它们保持恒定的幅度,该幅度始终等于直流电流或电压的幅度。在纯正弦波中,构成一个完整周期的正半周和负半周的峰值总是相同的(+Vp = -Vp),但对于其他用于表示交变的非正弦波形则不成立电流,因为不同的半周期往往具有不同的峰值。

电压和电流的瞬时值

交流电压或电流的瞬时值是波形周期内特定时刻的电流或电压值。

考虑下图。

Image 15.png

电压的瞬时值由下式给出;

V = Vpsin2πFt

其中Vp =峰值电压值

电流的瞬时值也可以通过类似的表达式得到

I= Ipsin2πFt


交流波形的平均值

交流电的平均值或平均值是半个周期内所有瞬时值的平均值。它是半个周期内所有瞬时值与所选瞬时值个数的比值。

AC 波形的平均值由等式给出:

Image 15.png

其中 V1...Vn 是半周期内电压的瞬时值。

平均值也由等式给出;

Vavg = 0.637 *Vp

其中 Vp 是该周期中电压的最大值/峰值。

同样的等式也适用于电流,我们所要做的就是将等式中的电压换成电流。

出于单一原因,仅在半个周期内测量交流波的平均值;在整个周期内测量时,所得平均值始终等于零,因为正半周期的平均值将抵消负半周期的平均值,因此基于上面给出的等式的表达式的计算结果为零.

交流波形的均方根 (RMS) 值

交流电流或电压的平均值的平方和的平方根称为电压或电流的均方根或 RMS 值。它由关系给出;

Image 15.png

其中 i1 至 in 表示电流的瞬时值。

或者

Image 15.png

其中 Ip 是最大或峰值电流。

同一组方程式适用于电压,我们只需要在方程式中用电压替换电流即可。

建议在进行交流电相关计算时尽可能使用电压和电流的 RMS 值,但执行平均功率相关计算时除外。原因是大多数用于测量交流电压和电流的测量仪器(万用表)都将其输出作为均方根值。因此,为了尽可能避免错误,应该只使用 Vp 来查找 Ip,使用 Vrms 来查找 Irms,反之亦然,因为这些量彼此完全不同。

构成因素

我们需要查看的与交流电相关的另一个量是形状因数。

形状因数是描述交流波形的参数,由交流量的有效值与平均值的比值给出。

Image 15.png

其中Vp是峰值或最大电压。

确定正弦波是否纯正的方法之一是通过形状因数,对于纯正弦波,其值始终为 1.11

此外,还可以从上面的等式中推导出 Irms,例如:

形状因数 = (0.707 x Vp) / (0.637 x Vp)

1.11 = Irms / Vavg

Irms = 1.11 x Vavg

形状因数的另一个应用是用于测量交流电流或电压的数字万用表。这些仪表中的大多数通常缩放以显示正弦波的 RMS 值,它们旨在通过计算平均值并乘以正弦波的形状因数 (1.11) 来获得,因为数字计算可能有点困难均方根值。因此,有时,对于不是纯正弦波的交流波形,万用表的读数可能会有点不准确。

波峰因数

我们将在本文中讨论的最后一个与交流电相关的量是波峰因数。

波峰因数是交流电流或电压的峰值与波形均方根的比值。在数学上,它由等式给出;

Image 15.png

其中 Vpeak 是波形的最大幅度。

对于纯正弦波,与形状因数相似,波峰因数始终固定为 1.414

我们还可以从上面的等式中推导出 Irms,例如:

1.414 = Vpeak / (0.707 x Vpeak)

Vrms = V峰值 / 1.414

Vrms = 0.707 x Vpeak

波峰因数主要表示交变量的峰值有多高。例如,在直流电中,波峰因数始终等于 1,这表明直流电波形中没有峰值。

作为下面的一个关键点,一张表格显示了用于表示 AC 波形的不同类型波形的形状因数和波峰因数。

Image 15.png

以上文章由IC先生网www.mrchip.cn编辑整理发布,请勿转载文章。

相关文章
|
11月前
土方量的几种计算方法
土方量的几种计算方法
234 1
|
12月前
计算平均值
计算平均值
|
Python
Python 金融量化 均线系统交易策略专题(简单移动平均,加权移动平均,指数加权移动平均,异同移动平均MACD等解读与绘图)
Python 金融量化 均线系统交易策略专题(简单移动平均,加权移动平均,指数加权移动平均,异同移动平均MACD等解读与绘图)
1083 0
Python 金融量化 均线系统交易策略专题(简单移动平均,加权移动平均,指数加权移动平均,异同移动平均MACD等解读与绘图)
|
3月前
技术心得记录:可决系数R^2和方差膨胀因子VIF
技术心得记录:可决系数R^2和方差膨胀因子VIF
29 0
|
4月前
|
数据可视化 C语言
使用R语言随机波动模型SV处理时间序列中的随机波动率
使用R语言随机波动模型SV处理时间序列中的随机波动率
|
PyTorch 算法框架/工具
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
如果您希望在输入数字越大时获得更小的概率,可以使用 Softmax 函数的变体——Softmax 函数的负版本(Negative Softmax)。
300 0
softmax是数字越大,概率越大,如何设置一种新的方法,数字越大,概率越小?
HIMA 984865165 反映了分数带宽与频率增加的对数
HIMA 984865165 反映了分数带宽与频率增加的对数
HIMA 984865165 反映了分数带宽与频率增加的对数
加权平均的重要作用
加权平均的重要作用
620 0
加权平均的重要作用
|
机器学习/深度学习
【25】模型参数量Params与计算量Flops的计算方法
【25】模型参数量Params与计算量Flops的计算方法
705 0
【25】模型参数量Params与计算量Flops的计算方法
JavaPOI的计算公式
JavaPOI的计算公式
282 0
JavaPOI的计算公式