基于神经网络算法的谐波参数估计

《基于神经网络算法的谐波参数估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第22卷第2期电力科学与技术学报V0I_22No22007年6月JOURNALOFEIECTRICPOWERSCIENCEANDTECHNOLOGYJun2007基于神经网络算法的谐波参数估计曾拮昭，裴源，郭湘德(长沙理工大学电气与信息工程学院，湖南长沙410076)摘要：研究基于神经网络算法的谐波参数估计方法采用递推最小二乘法(RLSM)作为学习算法，提高神经网络的收敛速度并避免局部极小问题．为验证该算法的有效性，给出利用该算法进行问谐波分析的仿真实例仿真结果表明，提出的间谐波分析

2、方法具有计算精度高、训练速度快的特点，因此在电力系统间谐波分析中具有较大的应用价值．关键词：神经网络；递推最小二乘法；电力系统；参数估计；问谐波中图分类号：TM711文献标识码：A文章编号：1673-9140(2007)02-0008-04HarmonicsparametersestimationbasedonneuralnetworkalgorithmZENGZhe—zhao，PEIYuan，GU0Xiang—de(CollegeofElectricalandInformationEngineering，ChangshaUniv

3、ersityofScienceandTechnology，Changsha410076，China)Abstract：Harmonicsparametersestimationbasedonneuralnetworkalgorithmisresearchedinthispa—per．Theconvergencespeedisimprovedandthelocalminimumproblemisavoidedbyusingthealgo—rithmofrecursiveleastsquaremethod(RI_SM)．Inorder

4、totestthealgorithm’Svalidity，thesimulationexamplesforinter—harmonicsanalysisarepresented．Thesimulationresultsshowthattheproposedinter—harmonicsanalysismethodisaccurateandthetrainingspeedisfast．Anditthuscanbeappliedtopowersysteminter—harmoniesmeasurement．Keywords：neura

5、lnetworks；leastsquaremethod；powersystem；parametersestimation；inter—harmonies随着电力电子装备在电力系统中的广泛应用以引起了国内外的广泛关注．及非线性负荷的日益增多，电网中的谐波情况也越电力系统的间谐波测量方法通常采用快速傅立来越复杂．除了与基波成整数倍的谐波外，还存在许叶变换(Fn’)来实现引．然而Fn’存在栅栏效应多非整数倍的间谐波，电力系统的间谐波问题已经和泄露现象，使得参数估计不准确，尤其是相位参数收稿日期：2007-05-20基金项目：国家自然科学

6、基金资助项目(60375001)；湖南省教育厅科研项目(02hnjyO09)作者简介：曾葫昭(1963一)，男，教授，主要从事智能系统开发、智能信息处理与应用研究维普资讯http://www.cqvip.com第22卷第2期曾晶昭，等：基于神经网络算法的谐波参数估计9误差较大．文献[5～7]提出了用插值算法消除栅栏m次间谐波的频率；B，分别为第m次间谐波的效应引起的误差，用加窗函数的方法消除频谱泄漏幅值及相位；M为最高次的间谐波．设采样周期为引起的误差，该算法具有较高的精度，但对各次间谐，则式(1)可离散化为N波参数都要进行单独校

7、正，计算量比较大，无法满足y(

8、]})=A0+∑[Aisin~oicos(jw0

9、]})+实时监测电力系统间谐波的要求．J=1Jl，近年来，人工神经网络在电力系统中的应用获Aj-cos~oisin(j％．

10、]})]+∑EBisinq~icos(~i

11、]})+ll得了蓬勃的发展，人工神经网络理论的发展给谐波和间谐波测量提供了新的研究途径．将神经网络理Bicosisin(∞i

12、]})]．(2)式中∞。为电力系统基波角频率：∞。=2，fo为论应用于谐波和间谐波分析其主要目的是解决测量精度和实时性的问题，希望在精度和实时性上相对工频频率；

13、为谐波次数；A。为直流分量；∞i为第于其他方法得到提高．目前很多学者对这一问题进次间谐波的角频率；i为间谐波次数；k为采样点序行了研究，取得了一定的成果r8¨．尤其是自适应列号；为采样周期．式(2)可进一步表示为人工神经网络-8在已知系统的精确基波