【摘要】：準確地估計諧波是抑制電網(wǎng)中諧波的先決條件,提出了基于群智能優(yōu)化算法與最小二乘法相結(jié)合的諧波估計方法,該類方法首先應用群智能優(yōu)化算法中的粒子群算法、差分進化算法、人工蜂群算法、遺傳算法及細菌覓食算法分別對諧波的相位進行估計,然后由最小二乘法完成對諧波幅值的估計;最后將該類方法應用在測試信號諧波估計中,仿真結(jié)果表明了這些方法可以有效的對諧波進行估計;此外,還對比分析這五種群智能優(yōu)化算法與FFT諧波估計的運算時間,收斂狀況以及估計誤差,比較的結(jié)果表明了該方法比傳統(tǒng)的方法具有更好的效果。
[Abstract]:Accurate harmonic estimation is a prerequisite for restraining harmonics in power network. A harmonic estimation method based on swarm intelligence optimization and least square method is proposed. Firstly, particle swarm optimization algorithm is used in this kind of methods. The phase of harmonics is estimated by differential evolution algorithm, artificial bee colony algorithm, genetic algorithm and bacterial foraging algorithm, and then the amplitude of harmonic is estimated by least square method. Finally, this method is applied to the harmonic estimation of the test signal. The simulation results show that these methods can effectively estimate the harmonics. In addition, the computation time, convergence condition and estimation error of the five groups of intelligent optimization algorithm and FFT harmonic estimation are compared and analyzed. The results show that the proposed method is more effective than the traditional method.
【作者單位】： 集美大學輪機工程學院;
【基金】：國家自然科學基金(51309116) 農(nóng)業(yè)部漁業(yè)裝備與工程技術(shù)重點實驗室基金(2016002) 福建省自然科學基金(2016J01736) 福建省教育廳(杰青)基金(JA14169) 福建省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃基金(201610390067)
【分類號】：TM711;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 楊希祥;李曉斌;肖飛;張為華;;智能優(yōu)化算法及其在飛行器優(yōu)化設(shè)計領(lǐng)域的應用綜述[J];宇航學報;2009年06期

2 紀潔;顧偉;張松勇;;一種新型生物地理學智能優(yōu)化算法及其比較研究[J];上海電力學院學報;2012年01期

3 柏甫榮,秦永法;基于智能優(yōu)化算法的設(shè)備布局設(shè)計[J];組合機床與自動化加工技術(shù);2004年06期

4 劉東波;黃道;陳玉娟;;模糊灰色智能優(yōu)化算法在生產(chǎn)計劃不確定規(guī)劃中的應用[J];儀器儀表學報;2006年S1期

5 劉書明;王歡歡;徐錦華;劉文君;;基于智能優(yōu)化算法的供水管網(wǎng)漏水點定位[J];同濟大學學報(自然科學版);2014年05期

6 張統(tǒng)華;鹿曉陽;;群體智能優(yōu)化算法的研究進展與展望[J];山西建筑;2007年01期

7 黃石青;;兩種智能優(yōu)化算法在交通控制應用中的對比研究[J];電子技術(shù)與軟件工程;2013年18期

8 胡廣華;陳幼平;袁楚明;周祖德;;CMS環(huán)境下基于智能優(yōu)化算法的單元間布局問題研究[J];計算機應用研究;2007年06期

9 汪民樂;房茂燕;;導彈對面積目標射擊效能的智能優(yōu)化算法[J];彈道學報;2014年01期

10 米潔;;改進的群集智能優(yōu)化算法在任務(wù)排序中的應用[J];北京信息科技大學學報(自然科學版);2010年03期

相關(guān)會議論文 前3條

1 張曉菲;張火明;高明正;;三種智能優(yōu)化算法的研究進展[A];中國儀器儀表學會第十一屆青年學術(shù)會議論文集[C];2009年

2 張火明;孫小麗;高明正;;智能優(yōu)化平臺設(shè)計[A];中國儀器儀表學會第十一屆青年學術(shù)會議論文集[C];2009年

3 孫俊清;李平;韓梅;;裝卸橋調(diào)度問題及其混合智能優(yōu)化算法GASA[A];第二十六屆中國控制會議論文集[C];2007年

相關(guān)博士學位論文 前10條

1 伍國華;基于勘探和開采策略控制的智能優(yōu)化算法及其應用研究[D];國防科學技術(shù)大學;2014年

2 路靜;智能優(yōu)化算法在電磁場逆散射中的應用研究[D];河北工業(yè)大學;2014年

3 何小鋒;量子群智能優(yōu)化算法及其應用研究[D];上海理工大學;2014年

4 趙夢玲;基于智能優(yōu)化算法的聚類分析及應用[D];西安電子科技大學;2015年

5 楊勁秋;智能優(yōu)化算法評價模型研究[D];浙江大學;2011年

6 豐小月;基于量子機制與組合方法的智能優(yōu)化算法及應用研究[D];吉林大學;2008年

7 馮春時;群智能優(yōu)化算法及其應用[D];中國科學技術(shù)大學;2009年

8 高永超;智能優(yōu)化算法的性能及搜索空間研究[D];山東大學;2007年

9 唐正茂;智能優(yōu)化算法適用性研究及其在船舶工程中的應用[D];華中科技大學;2013年

10 鄧武;基于協(xié)同進化的混合智能優(yōu)化算法及其應用研究[D];大連海事大學;2012年

相關(guān)碩士學位論文 前10條

1 葉樹錦;基于群智能優(yōu)化算法的收斂控制器框架及其應用[D];華南理工大學;2015年

2 趙杰;群智能優(yōu)化算法在聚類分析中的應用研究[D];陜西師范大學;2015年

3 張振星;基于智能優(yōu)化算法的電站鍋爐燃燒優(yōu)化[D];華北電力大學;2015年

4 郝曉亮;基于智能優(yōu)化算法的Jiles-Atherton磁滯模型參數(shù)計算研究[D];浙江師范大學;2015年

5 李艷良;基于多目標智能優(yōu)化算法的可重構(gòu)天線優(yōu)化與設(shè)計[D];電子科技大學;2014年

6 薛威力;基于方差的智能優(yōu)化算法參數(shù)調(diào)整的研究[D];西安工程大學;2016年

7 陳鋼;基于函數(shù)優(yōu)化問題的兩種混合智能優(yōu)化算法[D];華中科技大學;2014年

8 趙博偉;多目標智能優(yōu)化算法及其天線設(shè)計應用的研究[D];南京郵電大學;2016年

9 王建;群智能優(yōu)化算法的MapReduce化實現(xiàn)[D];南京郵電大學;2016年

10 朱達祥;群體智能優(yōu)化算法—粒子群算法的研究和改進[D];江南大學;2017年

，

本文編號：2310622