基于改进蚁群优化算法的电力谐波和间谐波的检测与分析

《基于改进蚁群优化算法的电力谐波和间谐波的检测与分析》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、第37卷第6期四川电力技术Vo1．37．No．62014年l2月SiehuanElectricPowerTechnologyDec．。2014基于改进蚁群优化算法的电力谐波和间谐波的检测与分析王志川，刘丹莉，彭祥华，周群(1．国网自贡供电公司，四川自贡643000；2．四川大学电气信息学院，四川成都610065)摘要：为了准确测量电力系统中的谐波和间谐波参数，提高电能质量，提出一种将F丌频谱区间连续细化算法与改进的蚁群优化相结合的混合算法。通过改进蚁群算法的适应度函数和转移概率，降低了算法的复杂度，提高了算法的速度。算法的原理是通过FFT频谱区间连续细化算法检测谐波和间谐波频率值，根

2、据频率检测值构建幅值和相位的适应度函数，运用改进的蚁群算法对幅值和相位参数进行估计，从而实现电力谐波和间谐波参数的检测与分析。通过对比仿真实验，验证了该混合算法能够获得较高精度的谐波和间谐波参数值，具备较强的抗噪声干扰能力。关键词：频谱区间细化；改进蚁群优化；混合算法；谐波分析；谐波检测Abstract：Inordertoaccuratelymeasuretheharmonicandinter—harmonicparametersinpowersystemandtoimprovethepowerquali~．ahybridalgorithmcombiningFFTspectrumin

3、tervalcontinuousrefinementalgorithmandimprovedantcolonyoptimization(ACO)isproposed．ByimprovingthefitnessfunctionofACOalgorithmandthetransitionprobability，thecom-plexityisreducedandthespeedisimproved．FFrspectrumintervalcontinuousrefinementalgorithmisusedtodetectthefre·quencyValUeSofharmoniesandi

4、nter—harmonics，thenaccordingtothefrequencydetectionvaluesthefitnessfunctionoftheamplitudeandphaseparametersisestablished．AndthentheimprovedACOalgorithmisusedtoestimatetheparametersofamplitudeandphaseSOastorealizethedetectionandanalysisofharmonicandinter—harmonicparameters．Thecomparisonofcompute

5、rsimulationresultsverifiesthattheproposedhybridalgorithmcanaccuratelyestimatetheparametersofharmonicsandinter—harmonics，andhaveastrongerabilitytoresistnoise．Keywords：frequencyintervalrefinement；improvedantcolonyoptimization；hybridalgorithm；harmonicanalysis；harmonicdetection中图分类号：TM76文献标志码：A文章编号

6、：1003—6954(2014)06—0049—05谱线‘2“]。但随着谱线的增多，算法的复杂程度也0引言在增加，另外，窗函数的选取在很大程度上也影响算法的复杂性。小波变换相比于FFr具有优良的时在现代电力系统中，由于接人了大量的电力电频特性，文献[5—6]验证了该方法的有效性，但小子装置和非线性负载，使得系统中产生了大量的谐波变换可能存在的混频现象和算法复杂的问题，影波和间谐波，这给电力系统设备的安全经济运行带响了算法的计算精度和速度。文献[7—8]通过神来严重的危害。因此，对谐波和间谐波的精确检测经网络算法实现谐波信号的并行处理和自学习能和分析具有重要的工程实际意义。力，获得较高

7、精度的谐波参数，但算法复杂，对硬件谐波分析的主要任务是确定谐波的成分以及在要求高，且自学习时间较长。文献[9]提出粒子群有效精度范围内计算谐波或者间谐波的频率、幅值算法分析谐波，在已知谐波频率的情况下，能够有效和相位。谐波分析方法主要有：快速傅里叶变换法估计幅值和相位，但要获得较高精度的谐波参数，需及其改进算法¨]、小波分析法J、神经网络要进一步改进算法。法]、粒子群算法等等。对谐波参数的检测和蚁群优化(antcolonyoptimization，ACO)