增强型自适应神经网络谐波分析方法的应用研究

《增强型自适应神经网络谐波分析方法的应用研究》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、2010年12月Dec．2010第38卷第6期(总第211期)VoI．38No．6(Ser．No．211)增强型白适应神经网络谐波分析方法的应用研究StudyonApplicationofEnhancedAdalineNeuralNetworkHarmonicAnalysisMeth08许寒冰(浙江大学，杭州310007)摘要：通过对比当前几种主流谐波分析方法的优缺点，提出了较为理想的增强型自适应神经网络模，。并重点讨论了学习算法中频率学习率以及频率延迟率调整策略对于算法收敛性能的影响，给出了较为合适的参数优化设定值，并通过仿真实验验证了增强型自适应神经网络模型具有较高的谐波

2、分析精度以及较快的学习收敛速度，并且无需同步采样以及长周期采样，是一种比较理想的谐波分析方法。关键词：自适应神经网络模型；谐波；收敛速度；参数优化；仿真Abstract：Basedonthecomparativeanalysisoftheseveralmainstreamharmonicanalysismethodsandthecomparisonofadvantagesanddisadvantagesoftheanalysismethods，abriefanalysisonthetheoryofenhancedAdalineneuralnetworkhasbeenprese

3、ntedinthispaper．Theinfluenceoflearningfrequencyrateinlearningalgorithmandthefrequencydelayrateadjustmentstrategyontheconvergenceperformancearefocusedon．Amoresuitableparameteroptimizationsettinghasbeensetandverifiedbyexperimentalexamples．TheresearchshowsthatenhancedAdalineneuralnetworkharmon

4、icanalysismethodhashigheraccuracyandfasterlearningconvergencerate．Long—periodandsynchronoussamplingarenotrequired．Itisanidealharmonicanalysismethodwhichcouldbewidelyusedinthefuture．Keywords：Adatineneuralnetworkmodel；harmonic；convergencerate；parametersoptimization；simulation中图分类号：TM714文献标志码：

5、A文章编号：1009—5306(2010)06—0008—04近年来，随着交流柔性输电和整流逆变等技术实现同步采样FFT算法、基于Hanning窗的插值的引入，解决了一些特定领域的输电效率问题，但同FFT、基于Blackman窗的插值FFT等等，但通常需时其产生的谐波对电力系统的影响已引起广泛关要多周期采样才能保证其准确性L】]。注。电力电子装置谐波是一个周期内电压或者电流近年来，电力行业开始将研究的重点转向神经量的正弦波分量，为基波频率整数倍的高次谐波。谐网络与小波分析方法。基于小波的谐波分析是将含波的存在对于电力系统的稳定运行以及周围设备的有谐波的电流信号分解成不同的频率

6、成块的信号，正常通信均有着很大的影响和干扰，因此对其进行低频段上的分量可以被看成是基波分量，相对的高深入研究具有现实意义。频段为各次谐波分量。通过得到的各次谐波的信息，可以相对应地就地构造有源滤波器对其进行补偿。1传统谐波分析方法比较小波分析的优势在于其具有良好的实时性，对于谐波的瞬间变化有着很好的捕捉能力，而且计算精度传统的谐波分析方法主要有离散傅里叶变换也具有一定优势。但小波分析很大程度上主要依赖(DFT)或者快速傅里叶变换(FFT)以及各种FFT于小波基的选取，而如何进行小波基的选择与重构算法的变形衍生算法。应用傅里叶变换最大的缺点仍需深入研究。除此之外，小波变换运算量

7、较大，对在于要求对信号进行同步采样，否则可能会产生频计算环境的要求很高；小波分析算法仍然是对一组谱泄露以及栅栏效应。对此常用的方法有：基于软件信号进行分析，如果是对于多个周期采样后再进行收稿日期：2010—10—28作者简介：许寒冰(1988)，男，现就读于浙江大学电力系统及自动化专业。·8·2010牟12月吉林电力Dec．2010第38卷第6期(总第211期)JilinElectricPowerVo1．38No．6(Ser．No．211)小波分解，信号检测的实时性将会降低许多；如果采数据计算b、a的参