基于优化神经网络的电网谐波检测方法
基于FFT的电网谐波检测方法的研究
基于FFT的电网谐波检测方法的研究1. 本文概述随着现代工业和科技的发展，电网的稳定性和电能质量越来越受到重视。
电网中的谐波污染问题，已成为电力系统运行和电能质量控制的重要课题。
快速傅里叶变换（Fast Fourier Transform，FFT）作为一种高效、精确的信号处理技术，已在电网谐波检测领域得到了广泛应用。
本文旨在研究基于FFT的电网谐波检测方法，以期为电力系统的稳定运行和电能质量的提升提供理论支持和技术参考。
本文首先对电网谐波产生的原因、危害及检测的必要性进行概述，明确研究的背景和意义。
随后，详细介绍FFT算法的基本原理及其在谐波检测中的应用，包括算法流程、计算精度和效率等关键问题。
在此基础上，本文将探讨不同类型的FFT算法及其在谐波检测中的适用性，如离散傅里叶变换（DFT）、快速傅里叶变换（FFT）及其改进算法等。
本文还将重点关注基于FFT的谐波检测技术在电网中的应用实例，分析其在实际检测中的性能表现和存在的问题。
通过对比不同方法的优缺点，本文将探讨如何优化FFT算法以提高谐波检测的准确性和实时性。
本文还将探讨现代智能算法在电网谐波检测中的应用前景，如神经网络、模糊逻辑等。
本文将总结基于FFT的电网谐波检测技术的最新研究进展，并对未来研究方向提出展望。
通过本文的研究，我们期望能为电力系统中的谐波检测提供新的理论视角和技术手段，为保障电网安全稳定运行和提升电能质量做出贡献。
2. 谐波检测的重要性与挑战随着现代工业与科技的发展，电网中非线性负载的使用日益广泛，如整流器、变频器、电弧炉等。
这些设备在运行过程中会产生大量的谐波电流，对电网造成污染，影响电能质量。
谐波不仅会增加电网的线路损耗，降低设备效率，还可能引发谐振，对电网造成危害。
准确、快速地检测电网中的谐波成分，对于维护电网的稳定运行、提高电能质量、保障设备的正常运行具有重要意义。
谐波检测面临着诸多挑战。
电网中的谐波成分复杂多变，且可能同时存在多种频率的谐波，这使得谐波检测需要具备高灵敏度和高分辨率。
谐波检测方法
谐波检测方法谐波是指在周期性波形中，频率是基波频率的整数倍的波动。
在电力系统中，谐波是一种常见的电力质量问题，它会导致设备损坏、系统效率降低以及电网稳定性下降。
因此，对谐波进行及时准确的检测是非常重要的。
本文将介绍几种常见的谐波检测方法。
1. 传统的谐波检测方法。
传统的谐波检测方法主要包括使用示波器、功率分析仪和谐波分析仪。
示波器可以用来观察电压和电流的波形，通过观察波形的畸变程度来初步判断是否存在谐波。
功率分析仪可以用来检测电网中的功率因数、谐波含量等参数，从而判断谐波的情况。
而谐波分析仪则可以更加准确地分析出各次谐波的含量和频率，对谐波进行更深入的分析。
2. 基于数字信号处理的谐波检测方法。
随着数字信号处理技术的发展，基于数字信号处理的谐波检测方法也得到了广泛的应用。
通过对电压和电流信号进行采样和数字化处理，可以利用傅里叶变换等算法准确地分析出各次谐波的频率和幅值。
这种方法不仅精度高，而且可以实现自动化检测，大大提高了谐波检测的效率和准确性。
3. 基于智能算法的谐波检测方法。
近年来，人工智能和机器学习技术的发展为谐波检测提供了新的思路。
利用神经网络、支持向量机等算法，可以从复杂的电力信号中自动提取谐波特征，实现对谐波的智能识别和检测。
这种方法不仅可以应对电网中谐波信号多变、复杂的特点，而且还可以不断优化模型，提高检测的准确性和鲁棒性。
4. 基于频域分析的谐波检测方法。
频域分析是一种常见的信号处理方法，对于谐波检测也有着重要的应用。
通过将电压和电流信号转换到频域，可以清晰地观察到各次谐波的频率和幅值，从而实现对谐波的准确检测。
同时，频域分析还可以结合滤波技术，去除基波以外的谐波成分，进一步提高谐波检测的精度。
总结。
谐波检测是电力系统中非常重要的一环，对于保障电网安全稳定运行具有重要意义。
传统的谐波检测方法虽然已经比较成熟，但在精度和自动化方面仍有待提高。
基于数字信号处理和智能算法的谐波检测方法是未来的发展方向，可以更好地适应复杂多变的电力系统环境，实现对谐波的快速、准确检测。
一种基于自适应线性神经网络的瞬时谐波检测方法
数， 因此 自 适应线性神经网络的输 出可以取任意值 ， 而感知机神经网络的输出只能是 １ ０ 或 。线性神经
网络 采用 由 ＢｒａｄＷｉ ｏ ｅｈ ｄ ｗ和 Ｍａｃａ ｆ共 同提 ｒ ｒ ｒｉ Ｈｏ ｎ
出 的一种 新 的学 习规 则 ， 称 为 Ｗｉｒｗ—Ｈｏ 学 习 也 ｄｏ ｆ
训练期间， 不断用训练集中的每个模式对训练网络。 当给定某一训练模式时，输 出单元会产生一个实际 输出向量 ，用期望输出与实际的输出之差来修正 网 络 联接 权 值 。在训 练 网络 的学 习 阶段 ， 有 Ⅳ个 训 设
练样 本 ，先假 定用 其 中的某 一个 样本 Ｐ的输入 输 出
模式对｛ ） 邛） 网络进行训练 ， 郧 和｛ 对 输出层 的第 个 神经元在样本 Ｐ作用下的输入为 ：Ｎｏ２ ２ ０ ． ， ０１
Ｓ ＨＡＮＸＩ ＭＥ Ｉ Ａ 工ＵＲＧＹ
文章编号 ：６ ２ １５ （０ ０ ０ － ０ ０ ０ １７ — ２２ １ ）２ ０ ２ — ３ １
一
种基 于 自适 应 线性 神 经 网络 的瞬 时谐 波检测 方 法
则系统对所有 Ⅳ个训练样本 的总误差函数为 ：
２ １年第 ２期 ００
赵江稳 ： 一种基于 自适应线性神经 网络的瞬时谐波检测方法
∑ ： ∑ ∑ ｐｐ ＝ ∑ ∑ ２ ４ １ … ） １ （ 】
式中 ， Ⅳ为模式样本对数 ； 网络输 出节点数 ；表 为 示在样本 Ｐ作用下的第 ｉ 个神经元的期望输 出， ｙ ｐ 表 示在样本 Ｐ作用下的第 ｉ 个神经元的实际输 出。 自适 应 线 性 神 经 网 络 加 权 系 数 修 正 是 采 用 Ｗｉ ｏ — 学 习规则 ，又称为最小均方误差算法 ｄ ｗＨ ｒ （ ＭＳ 。它的实质是利用梯度最速下 降法 ， Ｌ ） 是权值 沿误 差 函数 的负梯 度 方 向改变 。 ｄｏ — ｆ学 习规 Ｗｉｒｗ Ｈｏ ｆ 则 的权值 变化 量 正 比于 网络 的输 出误差 及 网 络 的输
谐波电流检测方法综述
谐波电流检测方法综述摘要：随着我国工业的迅猛发展，电网中电力电子元件的使用越来越多，如整流器、变频调速装置、电弧炉等，这些电力电子装置由于其非线性、多样性的特点，带来的谐波污染也越来越严重，严重影响了电能质量，而且对各种用电设备的正常运行带来了消极的影响；另一方面现代化工业、商业及居民用户的用电设备对电能质量更加敏感，对电能的使用和需求提出了更高的要求。
因此，实时、准确地检测电网中的谐波含量，对于防止谐波的危害，保障电网安全运行具有十分重要的意义。
本文对基于瞬时无功功率理论、有功分离、傅里叶变换、神经网络、小波分析等原理的几种谐波检测方法进行了介绍，讨论了各种检测方法的优缺点，对这些谐波的抑制方法进行了详细的综述。
一、绪言1.谐波的来源谐波的定义为：“谐波是一个周期电气量的正弦波分量，其频率为基波频率的整数倍”。
当电流流经非线性负载时，与所加的电压不呈线性关系，就形成非正弦电流，从而产生谐波。
向公用电网注入谐波电流或在公用电网上产生谐波电压的电气设备被称为谐波源。
谐波源的来源很复杂，但主要的谐波源还是来自于具有非线性特性的电气设备，如变频调速装置、整流设备、电子控制照明装备和磁性铁芯设备等等。
目前，应用最为广泛的整流电路都是由晶闸管或二极管组成的。
其中以三相桥式和单相桥式最为普遍。
直流侧采用电容滤波的二极管整流电路就是一个典型的谐波源。
由于其输入电流的谐波成分非常大，会给电网带来严重的污染。
变频器中的谐波干扰也是尤为突出，变频器工作时，输出电流的谐波电流会对电源产生干扰。
现在随着电力电子技术的广泛应用，谐波源已经存在于电力的生产、传输、转换和使用的每一个环节中。
2.谐波的危害谐波的危害可以总结为以下几个方面：1）电网中的电压与电流波形发生畸变都是由高次谐波引起的，相同频率的谐波电压和电流能产生相同次数谐波的有功和无功功率，降低了电网的电压，引起线路的附加损耗，使得电网容量造成不必要的浪费。
2）谐波对供电系统的无功补偿设备的影响也是不容忽视的，谐波进入电网时会导致变电站高压电容过电流和过负荷，在这种情况下，无功补偿设备不能正常运行，更严重的请况下，还会将电网中的谐波进一步放大。
基于神经网络的电网故障诊断研究
基于神经网络的电网故障诊断研究随着现代社会的发展，能源需求不断增长，电力系统作为能源产业的重要组成部分，承担着为社会经济发展提供可靠、安全、高效的供电服务的重要使命。
然而，电力系统面临的种种故障问题也不容忽视。
因为故障对整个电网的运行会产生不可预知的影响，导致电网一度甚至长时间不能正常供电，这不仅会给社会带来巨大损失，也会对日常生活带来巨大的影响。
电网故障诊断是解决这些问题的关键所在。
而神经网络模型是近年来被广泛应用于电力系统故障诊断领域的一种重要方法。
本文就基于神经网络的电网故障诊断研究给出一些基本的想法和建议。
一、电网故障与神经网络当电网系统接受特定负荷电流时，可能会出现各种类型的故障，如短路、接地故障、欠压故障和过电压故障等。
这些故障不同，对电路的电压和电流的影响也不同。
而神经网络能够学习电网的复杂非线性关系，同时可以对电压和电流的波形进行精确分析。
正是由于神经网络模型的这些性质，使得它成为预测和诊断电力系统故障的有力工具。
二、神经网络的应用基于神经网络的电网故障诊断则是利用神经网络模型构建一个模型来预测各种类型的故障。
在该模型中，特定的输入参数可能是电网电流、电压和负荷。
同时，对于故障的不同类型，可能存在不同的情况，而这些情况需要对神经网络进行再训练，以提高其预测准确性。
值得注意的是，神经网络模型的构建需要大量的数据，这些数据需要从现有的电网系统中获取。
因此，对于电网系统而言，要进行数据的收集和处理工作。
三、基于神经网络的电网故障诊断研究目前，基于神经网络的电网故障诊断已经成为了众多研究方向之一。
比如，在交流阻抗分析中，研究人员通过交流阻抗和复合接地电阻的测量，使得神经网络模型能够识别无地故障、单地故障和双地故障。
同时，也有一些研究关注于利用神经网络模型诊断过电压故障、欠电压故障等故障类型。
最近，一些研究人员也开始探究在开放环境中构建神经网络模型的可能性。
这些研究人员认为，开放环境中可以获取更多的数据，而这些数据可以大规模地用于提高神经网络模型的应用效果和预测准确率。
电网谐波分析方法_客户版
电网谐波分析方法Hitrendtech-SD 2008-11谐波分析由来已久，回顾起来经历多次技术变迁，带通滤波是早期的模拟式谐波测量；傅立叶变换是目前广泛应用的成熟方法；神经网络和小波分析是正在研究的方向。
本文笔者就对应用FFT改进法的实现做一探讨，并针对具体应用进行了仿真。
一、谐波问题电力系统的谐波分析，一般都是通过快速傅立叶变换(FFT)来实现的。
然而电力系统的频率并不是始终都为一个恒定值，通常会在一个范围内发生变化，这样就无法保证这个实时的采样频率分辨率的整数倍，也就无法达到同步采样，这是产生频谱泄露的根本原因。
市场调研发现，电表客户对谐波功能很是欢迎，最新的三相芯片ATT7022C在这方面做了尝试和努力，提供由spi接口放出采样数据的波形功能，为进一步的谐波分析提供了数据依据。
对于我们的三相芯片ATT7022C，内部的ADC采样率3.2kHz，最大的数据缓冲量为240点，采集电网的正弦波信号。
工频50Hz，频率波动范围47~53Hz，要求在高至19次谐波范围内，误差精度在5%的水平上。
下面，分插值和加窗两种方法讨论，来解决谐波分析中遇到的问题。
二、插值算法1、何为插值插值概念：在已知数据之间，通过某种计算来估计其他中间值的过程。
我们只关注一维插值(1D Interpolation)，应用多项式技术计算插值点最为广泛。
2、插值方法选择插值方法时主要考虑因素：运算时间、占用计算机内存和插值的光滑程度。
3、插值例子一维插值函数插值方法的对比。
从图1时域效果图就很看出，线形插值运算比较简单快速，但效果不好有转折点；立方查值运算量大，在曲线部分表达有变形；我们还可以通过FFT变换得到相应插值后信号的频谱(如图2)同样，仍然是样条方法表现较优。
所以相对来讲，样条插样对于正弦波比较有效。
图1 对正弦波4种插值对比图2 对正弦波4种插值频谱的对比4、插值应用样条插值从本质上讲，属于分段多项式插值方法，只是更多的考虑到了段点的平滑性，所以效果良好。
基于遗传算法改进神经网络的电力谐波检测算法
文章编 号：１０ —９ ３ ２ １ ０ —８ —２ ０ ７３ ７ （ ０ ０） ６０ ３０
泛 ， 线 性 和 时 变 性 电子 装 置 大 量投 入 到 电网 使得 电力 系统 中 非 重失真， 由此 而 产 生 了 电 网谐 波 污 染 问题 ， 波 的产 生 降低 了 谐 电能 质量 ， 直接 影 响工 业 用 电 设 备和 居 民用 电设 备 的 正常 安 全
化也大大加 强了整个算 法模 型的泛化 能力。 针对算法本文借助 ＭＡ Ｌ Ｂ 的遗传算法和神经 网络算法工具箱进 Ｔ Ａ 行仿 真训练发现使用遗传算法改进神经网络算法收敛速度更快， 计算结果准确性更高， 具有较好 的谐波分析效果。 关键 词 ：谐波分析 神经 网络 遗传算法 ＭＡ Ｌ Ｔ ＡＢ
随着 现代工业科技的发展 ， 电力 电子装置的应用越来越广 ２基于神经网络谐 波检 测算法 本系统采用单层感知器一 误差修正学 习法。 由式 （） 。 ５ 可
神经 网络 谐 波 权 值 计算 可用 图 １ 示 表 的非 线 性 负荷 急剧 增 加 ， 致 了配 电 网 中 电压和 电流 波 形 的严 知 ， 导
基于遗传算法改进神经 网络的 电力谐波检测 算法
口 周 佳 危韧 勇 陈 超 侯 铮
（ 中南大学信 息院电气工程 实验 室 湖 南 ・ 沙 ４０８ ） 长 １０３
摘 要 ：提 出了基于遗传算法改进神经 网络算法进 行电力谐波分析 的方 案。遗传算法全局搜 索能力 强， 收敛速 度 快的特 点弥补 了神经 网络算法在进 行谐 波分析时易陷入局部最优解的缺 点， 同时对初始权值进行遗传算法进
图 ｌ谐 波计 算单层 感知 器一 差修 正网络图 误 如图 ｌ 所示 ，ｍ ｎ ｔ和 ｅｓ ｗ） ＝ ， ５．５ 为 网 络 的 输 ｓ（ｗ） ｏ（ ｔｎ ｌ … ． ） ｎ （ ３ ２作 入 ， 为理论 电流 ： ｆ） （
谐波检测方法
谐波检测方法谐波是指在正弦波的基础上，频率是基波频率的整数倍的波。
在电力系统中，谐波是一种常见的电力质量问题，它会导致电网设备的过热、振动、噪音增加，甚至影响电能表的准确度。
因此，对谐波进行有效的检测和分析至关重要。
一、传统的谐波检测方法。
传统的谐波检测方法主要包括使用示波器、功率分析仪和谐波分析仪等设备进行采样和分析。
这些方法需要在现场进行操作，需要专业技术人员进行操作和分析，成本较高且操作不够便捷。
而且，这些方法只能对特定点进行采样，无法对整个电网系统进行全面的谐波监测。
二、现代的谐波检测方法。
随着科技的发展，现代的谐波检测方法逐渐成熟并得到广泛应用。
其中，基于数字信号处理技术的谐波检测方法成为了主流。
通过在电网系统中部署智能传感器和数据采集设备，可以实现对整个电网系统的实时谐波监测。
这些智能设备可以将采集到的数据通过网络传输到监测中心，实现远程实时监测和分析。
三、基于人工智能的谐波检测方法。
近年来，随着人工智能技术的快速发展，基于人工智能的谐波检测方法也逐渐崭露头角。
利用深度学习和神经网络等技术，可以对大量的谐波数据进行自动化的分析和识别。
这种方法可以大大提高谐波检测的效率和准确性，减少人为因素对检测结果的影响。
四、结语。
随着电力系统的不断发展和智能化水平的提高，谐波检测方法也在不断演进和完善。
传统的检测方法逐渐被现代化的技术所取代，基于数字信号处理和人工智能的谐波检测方法成为了未来的发展方向。
我们相信，随着技术的不断进步，谐波检测方法将会变得更加智能、准确和高效。
这将有助于提高电力系统的稳定性和可靠性，为人们的生活和生产带来更多的便利和安全。
以上就是关于谐波检测方法的相关内容，希望对您有所帮助。
电力系统中的谐波检测与特征提取算法研究
电力系统中的谐波检测与特征提取算法研究摘要：电力系统中的谐波问题对系统运行与电能质量产生了很大的影响。
因此，谐波检测与特征提取成为了电力系统中一个重要的研究领域。
本文将介绍电力系统中谐波的概念，谐波检测的方法以及谐波特征的提取算法，并讨论了它们在电力系统中的应用。
1. 引言在电力系统中，谐波是指频率为原电力频率的整数倍的波动，在电力系统中产生的主要原因是非线性负载和电力设备的存在。
谐波问题对电力设备的正常运行和电能质量产生了很大的影响，因此谐波检测与特征提取算法的研究变得尤为重要。
2. 谐波检测方法谐波检测是指通过某种方法对电力系统中的谐波进行检测和测量。
目前常用的谐波检测方法包括频谱分析法、滤波法和基于小波变换的方法。
2.1 频谱分析法频谱分析法是通过分析系统中的频谱成分来检测谐波。
常用的频谱分析方法包括傅里叶分析法和快速傅里叶变换（FFT）法。
这些方法可以将电力信号从时域转换到频域，通过分析信号频谱得到谐波的频率和幅值信息。
2.2 滤波法滤波法是通过设计合适的滤波器来滤除谐波信号。
常用的滤波器包括低通滤波器、带通滤波器和高通滤波器。
通过将电力信号经过滤波器处理，能够滤除谐波成分，从而实现谐波检测。
2.3 基于小波变换的方法小波变换是一种时频分析方法，可以同时提供时域和频域信息。
基于小波变换的谐波检测方法能够更加准确地检测到各个谐波的频率和幅值。
3. 谐波特征提取算法谐波特征提取是指通过某种算法从谐波信号中提取出有用的特征信息，以便于进一步的分析和处理。
常用的谐波特征提取算法包括峰值检测算法、谐波分解算法和小波包分析算法。
3.1 峰值检测算法峰值检测算法是一种简单直观的特征提取方法，通过检测谐波信号中的峰值点来提取谐波特征。
该算法适用于谐波幅值较大的情况，但对于低幅值的谐波较难检测到。
3.2 谐波分解算法谐波分解算法是一种将谐波信号分解为基波和谐波成分的方法，常用的算法包括快速傅里叶变换和小波变换。
基于免疫神经网络的油田电网谐波电流检测
检测与仪表化工自动化及仪表，2009，36(5)：56—58C ont r ol a nd I nst r um ent s i n C h em i ca l I ndu s t r y基于免疫神经网络的油田电网谐波电流检测牟海维，付光杰，赵海龙(大庆石油学院电气信息工程学院，黑龙江大庆163318)摘要：电力电子装置的投入致使油田电网中谐波污染严重，危及电网的运行安全，而抑制谐波的关键问题是检测谐波。
将免疫算法与神经网络结合起来提出了一种新型的基于免疫神经网络的电网谐波电流检测方法，通过仿真实验证了该方法具有学习收敛速度快、精度高的特点，能实时地检测出电网中的谐波电流。
关键词：油田电网；谐波电流检测；免疫神经网络中图分类号：U223．6文献标识码：A文章编号：1000-3932(2009)05-0056-031引言国内外油田日益广泛地采用的油田钻采系统与油气集输系统的驱动装置逐步改为可调速的电气传动系统。
由于调速系统的电力半导体是开关方式运行，引起电网电流、电压波形畸变，使高次谐波显著增加。
谐波的负作用或者说与标准正弦波形相违背，带来了电气环境的一大公害，即谐波污染。
有源电力滤波器是目前抑制谐波、提高电网供电质量的最有效方法。
其中畸变谐波电流的检测是决定其补偿性能的关键因素…。
传统的傅立叶变换谐波检测技术需要一定时间的电流值，需进行两次变换，计算量大，计算时间长，检测结果实时性较差，且易出现频谱泄露和栅栏现象旧o。
将神经网络、傅里叶变换和自适应消噪技术结合起来的傅立叶神经网络应用于谐波检测时难以满足实时性的要求p1。
免疫优化算法是模拟生物免疫系统智能行为而提出的仿生算法，是一种确定性和随机性选择相结合并具有勘测与开采能力的启发式随机搜索算法。
将其与人工神经网络相结合，提出一种新型的基于免疫神经网络的电网谐波电流检测方法，该新方法能保持免疫算法的免疫功能，提高神经网络的实时性。
2免疫神经网络理论人工免疫算法可将优化问题的寻优过程与生物免疫系统识别抗原并实现抗体进化的过程对应起来，将生物免疫应答中的进化链(抗体群一免疫选择-÷细胞克隆一高频变异一克隆抑制一产生新抗体一新抗体群)抽象为数学上的进化寻优过程一’5】。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
算法都优化 了的多层前馈 神经 网络（ Ｆ ＭＬ ＮＮ） 电网中的谐 波进行检测 ， 对 即首先考虑到神经 网络 的权值 记忆 负担 主要 来 自谐 波幅值和相角 的变化 ， 因此先对相角进行 确定 ； 再用基 于神经 网络 理论方 法对 幅值进 行检 测 ， 并使 每一个 输 出神经元都 对应 于 自己 的隐层 ； 然后 利用多层前馈神经 网络对 当前及上一时刻 的采样 值进行分 析 ， 实现 了对 电 网谐 波 的检 测 。实验仿 真结果
Ｚ ｕＨｏ ｇｕ ｎ ＨｕＪ ｎｕ Ｌ ｅ ｈ ａ Ｓ ｉ ｎ ｈ ｎ ｊａ ｉ ｊｎ ａ ｉ ｎ ｕ ｕＬｊ Ｆ ｕ
（ ｂ ｉ ｒ ｆ ｓ ｎ ｌ ｏｌｇ ｆ ｏ ｉｃ ｌ ｃ ｎ ｅ ｎ ａ Ｓ ｉａ ｈ ａ ｇ０ ０ ６ ） Ｈｅ ｅ Ｐ ｏｅ ｉ ａ Ｃ ｌ ｅｏ ｌ ｉ ｉ ｃ ｄ Ｌ ｗ， ｈｊ ｚ ｕ ｎ ５ ０ １ ｓｏ ｅ Ｐ ｔａＳ ｅ ａ ｉ
证 明 了该 方 法 的 有效 性 。
关键词 ： 前馈神经 网络 ； 电网谐波 ； 测 ； 检 优化
中 图分 类 号 ：ＴＮ９１ ７ １ ． 文 献 标 识 码 ：Ａ
Ｐｏ ｗｅ ｔ ｒ ｒ ｏ ｃ ｄｅ ｅ ｔｏ ｅ ｈ ｄ ｒ ｎｅ ｗｏ ｋ ｈａ ｍ ｎｉ ｔ ｃ ｉ ｎ ｍ ｔ ｏ ｓ ｂ ｓ ｄ ｏ ｒ ｉ ｉ ｉ ｌｎｅ ｒ ｌｎ ｔ ｒ ａ ｅ ｎ ａ ｔｆｃ ａ ｕ ａ ｅ ｗｏ ｋ
Ａｂ ｔａ ｔ ｓｒ ｃ ：Ａｎ ａ ｔ ｉｉｌｎ ｕ ａ ｅ ｗｏ ｋ ａ ｐ ｏ ｃ ａ ｅ ｎ Ｍ ＬＦＮＮ ｏ ｅ ｓ ｉ ｇｈａｍ ｏ ｉｓｉ ｏ ｃ ｙ ｔｍ ｒ ｐ ｓ ｄ ｒｉ ｃａ ｅ ｒ ｌ ｔ ｒ ｐ ｒ ａ ｈ ｂ ｓ ｄｏ ｆ ｎ ｆ ｒｍ ａ ｕｒｎ ｒ ｎｃ ｎｆ ｒ ｅｓ ｓｅ ｉ ｐ ｏ ｏ ｅ ． ｓ Ｔｈ ｅ ｒ ｕ ｄ ｎ ｏ ｅ ｅｇ ｔｉ ａｎｙ ｆｏ ｔ ｅｃ ａ ｇ ｆ ｍｐｌ ｕ ｅａ ｄｐ ａ ｅｗｈ ｎ ｔ ｅＭ ＬＦＮＮ ｓａ ｐｌ ｄｔ ａ — ｅｍ ｍｏ ｙｂ ｒ ｅ ｆｎ ｔｗ ｉｈ ｓｍ ｉ ｌ ｒ ｍ ｈ ｈ ｎ ｅｏ ａ ｉ ｄ ｎ ｈ ｓ ｅ ｈ ｔ ｉ ｐ ｉ ｏ ｈ ｒ ｅ ｍ ｏ ｉ ｅ ｓ ｒ ｍｅ ｔ Ｏ ｈ ｒ ｎｃｐ ａ ｅｓ ｏ ｌ ｅ ｄ ｃｄ ｄ ｉ ｈ ｉｔｐ ａ ｅ Ｔｈ ｎ ｔ ｅ ａ ｐｉｕ ｅ ｉ ａ ｕ ｅ ｙ ｎ ｕ ａ ｎｃｍ ａ ｕ ｅ ｎ ，Ｓ ａ ｍｏ ｉ ｈ ｓ ｈ ｕ ｄ ｂ ｅ ｉｅ ｎ ｔ ｅ ｆｒ ｌ ｃ ． ｅ ｈ ｍ ｌ ｄ Ｓｍｅ ｓ ｒ ｄ ｂ ｅ ｒ ｌ ｔ ｎ ｔ ｒ ｌ ｏ ｉｈ ，ａ ｄｍａ ｅｓ ｒ ｖ ｒ ｅ ｖ ｅｌ ａ ｔ ｗｎ ｆａ ｅ ｅｗｏ ｋ ａｇ ｒｔ ｍ ｎ ｋ ｕ ｅｅ ｅ ｙｎ ｒ ｅｃ ｌ ｈ ｓｉｓｏ ｒ ｍ ．Ａｆｅ ｗａ ｄ ｎ ｌｚ ｎ ａｃ ｌｔ ｈ ａ ｐ ｅｖ ｌｅ ｔｒ ｒ ｓａ ａｙ ｅａ ｄ ｃ ｌｕ ａｅｔ ｅｓｍ ｌ ａｕ ｏ ｕ ｒ ｎ ｓｗｅｌ ｓｔ ｅｌｓ ｏ ｅ ｔｔ ｅ ｎ ｖ ｎ ｕ ｌ ｅ ｅ ｔｏ ｆ ｏ ｒｎ ｔ ｒ ａ ｍ ｏ ｃｃ ｎｂ ｃ ｅ ｅ ．Ｓｉ ｕ ａ ｆｃ ｒｅ ｔａ ｌ ａ ｈ ａ ｔｍ ｍ ｎ ｉ ，ａ ｄｅ ｅ ｔ ａｌ ｄ ｔｃ ｉｎｏ ｗｅ ｅ ｗｏ ｋｈ ｒ ｎｉ ａ ｅａ ｈｉｖ ｄ ｍ ｙ ｐ ｍ ｌ— ｔ ｎ ｒ ｓ ｌｓｓ ｏ ｔ ａ ｈ ａｍ ｏ ｉ ｏ ｏ ｅ ｔ ａ ｅ ｄ ｔｃ ｅ ｎ ｒ ａ ｉ ｅａ ｄ ｗｉｈ ｈ ｇ ｒ ｃｓｏ ． ｉ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔ ｅ ｈ ｒ ｎｃ ｃ ｍｐ ｎ ｎ ｓｃ ｎ ｂ ｅ ｅ ｔ ｄ ｉ ｅ ｌ ｍ ｎ ｔ ｉ ｈ ｐ ｅ ｉｉｎ ｏ ｔ Ｋｅ ｗｏ ｄ ：Ｍ ＬＦＮＮ ；ｈ ｒ ｎ ｃ ｙ ｒｓ ａ ｍｏ ｉｓ；ｄ ｔ ｃｉｎ； ｘ ｅｌｎ ｅ ｅ ｔｏ ｅ ｃ ｌ ｔ ｅ
维普资讯
２ ０ 年ｇ ０ ７ 月 第２ 卷 第ｇ ６ 期
誊
基 于 优 化 神 经 网 络 的 电 网 谐 波 检
朱红娟 胡 建 军 李 芬华 苏立 军
００６ ） ５ ０ １ （ 北 政 法 职 业 学 院 石 家 庄 河
摘
要： 为了检测 电力 系统 中的谐波 ， 本文提 出了一种基 于优化神经网络 的电网谐 波测量 方法 。该 方法应用 一个结构 和训练
０ 引 言
随着 电力 电子装 置 的大量应 用 ， 电力 系统 的谐 波 污染
波测 量 的精 度 和 实 时 性 问 题 。多 层 前 馈 网 络 （ Ｆ ＭＬ ＮＮ） 是 神经 网络 理 论 中 比较 成 熟 的 理论 ， 应 用 于 谐 波 测 量 已 中， 已有 的基 于多层 前馈 神经 网络 的测 量 方法 都存 有 不 但 足之 处 。基于 此 ， 本文 提 出 了一 种基 于优 化 的多 层前 馈 神 经 网络 的电 网谐波 测量 方法 。 在基 于多 层前 馈神 经 网络 的电 网谐波 测量 中 ， 网络权 值 的记忆 负担 主 要来 自谐 波 幅值 和 相 角 的变 化 。如 果 同 时改变 幅值 和相 角 对 网络 进 行 训 练 ， 由于 幅值 、 角 变化 相 范 围大 ， 且没 有规 律 ， 究 表 明 ， 使 使 用大 量 样 本 ， 练 研 即 训 后 的网络也 不 如人 意 。因此本 文先 对初 相 角进 行 确定 ， 在 初 相 角已 知的状 态下 ， 再对 幅值 使用 基于 神经 网络 理 论 方