基于神經(jīng)網(wǎng)絡(luò )算法的電力諧波分析方法的研究論文
摘要：目前常用的諧波分析算法存在著(zhù)計算精度低、計算量大等缺點(diǎn)，本文提出并研究了一種基于傅立葉基神經(jīng)網(wǎng)絡(luò )的諧波分析方法。利用傅立葉基神經(jīng)網(wǎng)絡(luò )模型進(jìn)行諧波分析可以有效地提高神經(jīng)網(wǎng)絡(luò )的收斂速度和計算精度，減小了計算量。并通過(guò)仿真，驗證了利用該算法進(jìn)行諧波分析可快速獲得電力系統的基波及各次諧波高精度的幅值和相位。
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò );諧波分析;梯度下降法;權值向量
一、引言
近年來(lái)，隨著(zhù)電力電子技術(shù)的廣泛應用，電力系統諧波污染日益嚴重，已成為電能質(zhì)量的公害。目前常用的諧波分析算法存在著(zhù)計算精度低、計算量大等缺點(diǎn)，本文提出一種基于傅立葉基神經(jīng)網(wǎng)絡(luò )的諧波分析方法，利用該方法可快速獲得電力系統的基波及各次諧波高精度的幅值和相位。
本文構建了基于傅立葉基神經(jīng)網(wǎng)絡(luò )模型，采用梯度下降法作為權值調整算法，通過(guò)神經(jīng)網(wǎng)絡(luò )訓練即可獲得神經(jīng)網(wǎng)絡(luò )權值，從而獲得電力系統諧波的幅值和相位。仿真結果表明，利用基于傅立葉基神經(jīng)網(wǎng)絡(luò )算法進(jìn)行諧波分析可快速獲得電力系統的基波及各次諧波高精度的幅值和相位。
二、基于傅立葉基神經(jīng)網(wǎng)絡(luò )算法的諧波檢測原理
(一)傅立葉基神經(jīng)網(wǎng)絡(luò )模型的構建一個(gè)具有各次諧波的周期信號可表示為：
N M
y(t)=∑An sin(2nfnt+尹。)+∑B.sin(2n厶f+‰) (1)
式中，石為第n次整數諧波的頻率;f為第m次間諧波的頻率a設采樣周期為￡，則式(1)可離散化為：
y(k)= Aa +∑[Aj sinW,cos(jtookTs)+Aj cos~sin(jtuokT)]+l1(2)
∑[B, sin夠cos(co,kT.)]+旦cosrp,sin(cq kT,)l-l
式中∞0為電力系統基波角頻率;j為諧波次數;為第f次間諧波的角頻率;ki+J采樣點(diǎn)序列號。
式(2)可進(jìn)一步用傅立葉級數表示為
y(k)= wo+-wj cosOcookT,)+∑M sin[(j-ⅣⅫ。kTs]+ (3)
∑w, cos(coikT,)+∑wisin(03i_^ckTs)
f=1 1.^f+l
由式(3)可建立傅立葉基神經(jīng)網(wǎng)絡(luò )模型如圖1所示。c、：為正交三角函數系，對應著(zhù)不同的隱層神經(jīng)元：w毛(掙l，2，2n+l)表示隱層與輸出層之間的連接權值。
由于傅立葉基神經(jīng)網(wǎng)絡(luò )的輸入層單元和隱層神經(jīng)單元直接的連接權值為1，也就是說(shuō)：輸入量是直接映射到隱層空間，沒(méi)有需要調節的參數，需要調節的參數是隱層和輸出層之間的連接權值。隱層空間到輸出層空間的映射是線(xiàn)性的，傅立葉基神經(jīng)網(wǎng)絡(luò )的輸出單元的輸出是所有隱層單元的線(xiàn)性組合。由此可見(jiàn)，網(wǎng)絡(luò )由輸入到輸出的映射是非線(xiàn)性的，而網(wǎng)絡(luò )輸出對可調參數而言又是線(xiàn)性的，這樣就將輸入層與輸出層的非線(xiàn)性映射關(guān)系轉化成了隱層與輸出層之間的線(xiàn)性映射關(guān)系。
(二)權值調整算法
本文采用梯度下降法作為權值調整算法，梯度下降法是最常用的神經(jīng)網(wǎng)絡(luò )學(xué)習算法。在上面建立的神經(jīng)網(wǎng)絡(luò )中，具體算法為：誤差函數為學(xué)習率，當o<，7<五再三萬(wàn)百時(shí)神經(jīng)網(wǎng)絡(luò )算法收斂，其中，2N+2M+1為隱層神經(jīng)元個(gè)數。
(三)諧波參數估計
若已知電力系統的工作頻率，按照上述神經(jīng)網(wǎng)絡(luò )算法，通過(guò)神經(jīng)網(wǎng)絡(luò )訓練即可獲得神經(jīng)網(wǎng)絡(luò )權值向量w,而基波、諧波的幅值和相位可根據最后得到的權值向量矽并利用下述公式得到：
(四)神經(jīng)網(wǎng)絡(luò )訓練步驟
1、以采樣周期T對信號滅f)采樣獲得訓練樣本;隨機產(chǎn)生權向量W，給定任意小正實(shí)數口，確定學(xué)習率o<，7<面再毫百萬(wàn)。
2、由式(5)計算神經(jīng)網(wǎng)絡(luò )的輸出。
3、由式(6)、(7)分別計算誤差與性能指標。
4、由式(8)與(9)進(jìn)行權值調整。
5、判斷性能指標是否滿(mǎn)足J
三、仿真分析
為了驗證本文提到的神經(jīng)網(wǎng)絡(luò )算法的`正確性，本文采用Matlab進(jìn)行仿真試驗。輸入的信號表達式為y(k)=∑4 cos(2霄fmkTs+‰)輸入信號包含的成分如表1所示。
表1輸入信號包含的成分
信號參數 基波 諧波 諧波 諧波 諧波 頻率 50 150 250 350 450 幅值 400 16.4 13.3 9.1 7.6 相位 10 60 90 120 150
隨機產(chǎn)生權值，經(jīng)過(guò)2次神經(jīng)網(wǎng)絡(luò )訓練，得到性能指標為：J=2.4764x10'a，基于傅立葉基神經(jīng)網(wǎng)絡(luò )算法的仿真結果如表2所示。
幅值 相位 頻率
幅值
相對誤差(%)
相位
相對誤差(%) 50 400.00l.3275x10"3 10.00001.5743x10"3 150 16.4001.9638x10-'2 60.0000-2.7523x10''' 250 13.3001.8754x10'u 90.0000-1.9856x10"z 350 9.100l.1985xl0"3 120.00002.7623xl0-'3 450 7.6002.4049x10n 150.00001.9750x10'''
由以上仿真結果可見(jiàn)，本文提出的基于傅立葉基神經(jīng)網(wǎng)絡(luò )算法的諧波分析方法對各次諧波的幅值和相位的計算精度高，且速度快。
四、結論
利用基于傅立葉基神經(jīng)網(wǎng)絡(luò )算法進(jìn)行諧波分析可快速獲得電力系統的基波及各次諧波高精度的幅值和相位，因而在電力系統諧波測量中有較大的應用價(jià)值。
參考文獻：
[1]龐浩，李東霞，俎云霄等，應用FFT進(jìn)行電力系統諧波分析的改進(jìn)算法[J]中國電機工程學(xué)報，2003，23(6):50-54.
[2]錢(qián)昊，趙榮祥.基于插值FFT算法的間諧波分析[J].中國電機工程學(xué)抿2005，1(21):87-91.
[3lMITRA S K.Digital signal processinga computer-based approach[M].Beijing: Tsinghua University Press,2001.
[4]袁曾任.人工神經(jīng)元網(wǎng)絡(luò )及其應用[M].北京：清華大學(xué)出版社.1999.
[5]李紅，馬新瑜.多層前饋神經(jīng)網(wǎng)絡(luò )在電力系統諧波測量中的應用[J].電測與儀表，2003，40(446):15-17.
[6]張林利，王廣柱.一種基于人工神經(jīng)網(wǎng)絡(luò )的諧波測量新方法[J].電力系統及其自動(dòng)化學(xué)tEL2004，4(2):40-43.
【基于神經(jīng)網(wǎng)絡(luò )算法的電力諧波分析方法的研究論文】相關(guān)文章：
論文：基于粒子群算法的雙子支持向量機研究06-16
基于大氣散射理論的視頻去霧算法的研究論文06-16
基于遺傳算法的車(chē)牌定位技術(shù)研究論文11-06
基于遺傳算法的優(yōu)化設計論文11-20
計數查找算法研究精選論文04-05
論文：基于遺傳算法的電工學(xué)組卷程序的研究06-16
基于A(yíng)C-BM改進(jìn)算法的入侵檢測技術(shù)研究論文11-06
基于寒冷地區公共空間設計方法研究論文11-01