基于BP神經網絡的新型電力諧波檢測方法
發(fā)布時間：2021-08-13 13:46
為了滿足電能質量在實時檢測、動態(tài)響應和精確跟蹤等方面對諧波檢測方法的要求,利用神經網絡可以快速充分逼近任意非線性的特點,通過設計訓練樣本,優(yōu)化系統(tǒng)參數,給出了一種基于BP神經網絡的新型諧波檢測技術。運用Matlab/Simulink軟件構建仿真模型,對信號處理過程和結果進行了顯示,驗證了該方法的可行性及優(yōu)越性。
【文章來源】：電工電氣. 2016,(11)
【文章頁數】：5 頁
【部分圖文】：
補償后電源電流頻譜分析圖
t2=newcf(P2，T2，[3417])；建立BP網絡，級聯(lián)前饋；net2.trainParam.epochs=2000；設置最大訓練次數；net2.trainParam.goal=1e-6；設置要求精度；net2.trainParam.max_fail=1500；設置最大失敗次數；net2=train(net2，P2，T2)；網絡訓練諧波電流的獲取是通過負載電流減去基波電流得到的。為加快訓練，將訓練樣本范圍縮小，選擇對輸出結果影響大的數據信號。對于學習率的選取是在不影響收斂的前提下，選擇收斂速度較快的學習率。在此方法下得到的負載電流(含諧波分量)、諧波電流和補償后的電源電流波形如圖7、圖8所示。通過觀察可以看到，BP神經網絡檢測模塊在檢測諧波電流速度比較快，幾乎從一開始諧波電流就得到了補償，補償后的電源電流波形幾乎為標準的正弦波，毛刺較少，補償效果很好。此時，再對補償后的電流進行頻譜分析得到：通過補償電流的正確補償，諧波失真率從未補償的13.04%變?yōu)楝F在的0.95%，驗證了諧波得到了有效的抑制，且比ip-iq運算方法少0.16%。4.3兩種方法的比較根據上述的分析得出，雖然基于ip-iq方法和BP神經網絡的檢測方法都能夠準確地檢測出畸變電流中的諧波成分，對頻率、大小都變化的諧波進行補償。但是，根據對電源電流的FFT分析，觀察諧波失真率大小和響應時間，發(fā)現基于BP神頻率/kHz0.50對幅值/%相5101520300.10.20.30.425圖5補償后電源電流頻譜分析圖(基波(50Hz)=30.88，諧波失真率=1.11%)圖7神經網絡方法仿真波形a)含諧波分量的負載電流t/s400載電流/負A-400.1000.020.040.060.08c)補償后的電源電流t/s400源電流/電A-400.1000.020.040.060.08圖8補償后電源電流頻譜分析圖(基波(50Hz)=29.14，諧波失真率=0.95%)?
鉤バЧ?芎謾４聳保?俁?補償后的電流進行頻譜分析得到：通過補償電流的正確補償，諧波失真率從未補償的13.04%變?yōu)楝F在的0.95%，驗證了諧波得到了有效的抑制，且比ip-iq運算方法少0.16%。4.3兩種方法的比較根據上述的分析得出，雖然基于ip-iq方法和BP神經網絡的檢測方法都能夠準確地檢測出畸變電流中的諧波成分，對頻率、大小都變化的諧波進行補償。但是，根據對電源電流的FFT分析，觀察諧波失真率大小和響應時間，發(fā)現基于BP神頻率/kHz0.50對幅值/%相5101520300.10.20.30.425圖5補償后電源電流頻譜分析圖(基波(50Hz)=30.88，諧波失真率=1.11%)圖7神經網絡方法仿真波形a)含諧波分量的負載電流t/s400載電流/負A-400.1000.020.040.060.08c)補償后的電源電流t/s400源電流/電A-400.1000.020.040.060.08圖8補償后電源電流頻譜分析圖(基波(50Hz)=29.14，諧波失真率=0.95%)頻率/kHz0對幅值/%相5101520300.010.020.030.04250.05ILabc輸入NNET輸出網點1脈沖輸入NNET輸出網點2脈沖輸入NNET輸出網點3脈沖ILabc+-信號圖6BP神經網絡仿真模塊b)檢測出的諧波電流t/s200波電流/諧A-200.1000.020.040.060.0810-10基于BP神經網絡的新型電力諧波檢測方法
【參考文獻】：
期刊論文
[1]神經網絡算法的改進及其在有源電力濾波器中的應用[J]. 馬草原,孫富華,朱蓓蓓,尹志超. 電力系統(tǒng)保護與控制. 2015(24)
[2]三相有源電力濾波器滑模解耦控制方法研究[J]. 胡志坤,姜斌,李哲彬,劉雄飛,尹林子. 電機與控制學報. 2014(09)
[3]人工神經網絡和信息融合技術在變壓器狀態(tài)評估中的應用[J]. 阮羚,謝齊家,高勝友,聶德鑫,盧文華,張海龍. 高電壓技術. 2014(03)
[4]一種基于BP神經網絡的諧波檢測方案[J]. 王凱亮,曾江,王克英. 電力系統(tǒng)保護與控制. 2013(17)
[5]基于BP神經網絡和線性神經網絡的間諧波分析方法[J]. 王好娜,畢志周,付志紅,李春燕. 高壓電器. 2013(02)
[6]神經網絡補償器在基于影像測量儀的運動控制系統(tǒng)中的應用[J]. 楊建國,楊曉義,周虎. 東華大學學報(自然科學版). 2011(01)
碩士論文
[1]BP算法的改進及其在PID優(yōu)化控制中的應用研究[D]. 李虎.西安科技大學 2012
本文編號：3340540
【文章來源】：電工電氣. 2016,(11)
【文章頁數】：5 頁
【部分圖文】：
補償后電源電流頻譜分析圖
t2=newcf(P2，T2，[3417])；建立BP網絡，級聯(lián)前饋；net2.trainParam.epochs=2000；設置最大訓練次數；net2.trainParam.goal=1e-6；設置要求精度；net2.trainParam.max_fail=1500；設置最大失敗次數；net2=train(net2，P2，T2)；網絡訓練諧波電流的獲取是通過負載電流減去基波電流得到的。為加快訓練，將訓練樣本范圍縮小，選擇對輸出結果影響大的數據信號。對于學習率的選取是在不影響收斂的前提下，選擇收斂速度較快的學習率。在此方法下得到的負載電流(含諧波分量)、諧波電流和補償后的電源電流波形如圖7、圖8所示。通過觀察可以看到，BP神經網絡檢測模塊在檢測諧波電流速度比較快，幾乎從一開始諧波電流就得到了補償，補償后的電源電流波形幾乎為標準的正弦波，毛刺較少，補償效果很好。此時，再對補償后的電流進行頻譜分析得到：通過補償電流的正確補償，諧波失真率從未補償的13.04%變?yōu)楝F在的0.95%，驗證了諧波得到了有效的抑制，且比ip-iq運算方法少0.16%。4.3兩種方法的比較根據上述的分析得出，雖然基于ip-iq方法和BP神經網絡的檢測方法都能夠準確地檢測出畸變電流中的諧波成分，對頻率、大小都變化的諧波進行補償。但是，根據對電源電流的FFT分析，觀察諧波失真率大小和響應時間，發(fā)現基于BP神頻率/kHz0.50對幅值/%相5101520300.10.20.30.425圖5補償后電源電流頻譜分析圖(基波(50Hz)=30.88，諧波失真率=1.11%)圖7神經網絡方法仿真波形a)含諧波分量的負載電流t/s400載電流/負A-400.1000.020.040.060.08c)補償后的電源電流t/s400源電流/電A-400.1000.020.040.060.08圖8補償后電源電流頻譜分析圖(基波(50Hz)=29.14，諧波失真率=0.95%)?
鉤バЧ?芎謾４聳保?俁?補償后的電流進行頻譜分析得到：通過補償電流的正確補償，諧波失真率從未補償的13.04%變?yōu)楝F在的0.95%，驗證了諧波得到了有效的抑制，且比ip-iq運算方法少0.16%。4.3兩種方法的比較根據上述的分析得出，雖然基于ip-iq方法和BP神經網絡的檢測方法都能夠準確地檢測出畸變電流中的諧波成分，對頻率、大小都變化的諧波進行補償。但是，根據對電源電流的FFT分析，觀察諧波失真率大小和響應時間，發(fā)現基于BP神頻率/kHz0.50對幅值/%相5101520300.10.20.30.425圖5補償后電源電流頻譜分析圖(基波(50Hz)=30.88，諧波失真率=1.11%)圖7神經網絡方法仿真波形a)含諧波分量的負載電流t/s400載電流/負A-400.1000.020.040.060.08c)補償后的電源電流t/s400源電流/電A-400.1000.020.040.060.08圖8補償后電源電流頻譜分析圖(基波(50Hz)=29.14，諧波失真率=0.95%)頻率/kHz0對幅值/%相5101520300.010.020.030.04250.05ILabc輸入NNET輸出網點1脈沖輸入NNET輸出網點2脈沖輸入NNET輸出網點3脈沖ILabc+-信號圖6BP神經網絡仿真模塊b)檢測出的諧波電流t/s200波電流/諧A-200.1000.020.040.060.0810-10基于BP神經網絡的新型電力諧波檢測方法
【參考文獻】：
期刊論文
[1]神經網絡算法的改進及其在有源電力濾波器中的應用[J]. 馬草原,孫富華,朱蓓蓓,尹志超. 電力系統(tǒng)保護與控制. 2015(24)
[2]三相有源電力濾波器滑模解耦控制方法研究[J]. 胡志坤,姜斌,李哲彬,劉雄飛,尹林子. 電機與控制學報. 2014(09)
[3]人工神經網絡和信息融合技術在變壓器狀態(tài)評估中的應用[J]. 阮羚,謝齊家,高勝友,聶德鑫,盧文華,張海龍. 高電壓技術. 2014(03)
[4]一種基于BP神經網絡的諧波檢測方案[J]. 王凱亮,曾江,王克英. 電力系統(tǒng)保護與控制. 2013(17)
[5]基于BP神經網絡和線性神經網絡的間諧波分析方法[J]. 王好娜,畢志周,付志紅,李春燕. 高壓電器. 2013(02)
[6]神經網絡補償器在基于影像測量儀的運動控制系統(tǒng)中的應用[J]. 楊建國,楊曉義,周虎. 東華大學學報(自然科學版). 2011(01)
碩士論文
[1]BP算法的改進及其在PID優(yōu)化控制中的應用研究[D]. 李虎.西安科技大學 2012
本文編號：3340540
本文鏈接：http://sikaile.net/kejilunwen/dianlidianqilunwen/3340540.html
