基于粒子群优化神经网络的谐波检测.pdf

《基于粒子群优化神经网络的谐波检测.pdf》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、大庆石油学院学报第34卷第1期2010年2月JOuRNA1OFDAQINGPETROlEUMINSTITUI、EVoI．34No．1Feb．2010基于粒子群优化神经网络的谐波检测刘伟，张龙水，范金玉(1．大庆石油学院电气信息工程学院，黑龙江大庆l63318；2．大庆立元石油化T装备有限公司，黑龙江大庆163318)摘要：根据谐波的傅里叶分析，把对谐波相位和幅值的检测转化为对谐波的正余弦分量幅值的检测．提出一种应用基于粒子群优化算法的多层前馈神经网络(MI』FANN)实现谐波检测的方法．并构造一个3层MLFNN，以电网中最常见的3次

2、、5次谐波为例，给出检测的实现方法．MATIAB仿真结果表明，泼谐波检测方法具有较强的泛化能力和较高的检测精度．关键词：人T神经网络；粒子群算法；谐波检测；多屡前馈神经网络中图分类号：TM935．24文献标识码：A文章编号：1000—1891(2010)0l一009,1—040引言随着电力电子技术的发展，电网谐波问题也日趋严重．有源滤波器是有效抑制谐波问题的新方法，但其前提需要准确、实时地检测出电网谐波含量．传统的谐波检测方法或多或少地存在局限性，如基于瞬时无功功率理论的检测方法虽然实时性好，但存在计算量大、调整困难等缺点n．人工神

3、经网络能够实现各种复杂非线性映射，具有信息分布并行处理、自适应学习和鲁棒容错等特性，已经被广泛应用于智能控制、信号处理、模式识别等领域．近年来，人们又将人工神经网络理论应用于电网谐波检测，但需要大量的时间来训练样本，也难以满足实时性要求[．作为一种进化算法，粒子群优化算法具有操作简便、依赖的经验参数少、在解决非线性和组合优化问题时有扩展性好等优点，目前在各个领域的应用也非常广泛．由此，笔者把多层前向神经网络(multilayeredfeedforwardneuralnetwork，MIFNN)及粒子群优化算法(particleswa

4、rmoptimization，PS())结合起来，应用于电力系统的谐波检测，提高学习速度，减少训练时间，并利用MATIAB编制仿真程序进行仿真，验证该方法的有效性．1MIFNN的谐波检测方案分析电力系统中典型的非线性负载产生的畸变波形，发现谐波含量并不高，而且大多是奇次谐波．在通常状况下，任一奇次谐波的幅值不会超过基波幅值的50，而且随着谐波波次的增高，幅值也会相应地减小．对电网谐波电流运用傅里叶级数展开可得i(f)一>j^cos(【)t十)一>：A^coshwof+B^sin‰，，(1)^式巾：lh为谐波电流幅值，j一√A：+B；

5、为谐波电流相位，一arctanK-；A为谐波电流余弦分量幅^Jh傍；B为谐波电流正弦分量幅值；h为谐波次数．南式(1)町知．谐波的幅值J和相位可以南陔次谐波的正余弦分量幅值A和B表征，而A和B是．，’(，)的非线性映射，凶此利用神经网络的非线性映射能力可以实现对谐波电流的检测．收稿日期：2009—11一l8；审稿人：任伟建；编辑：郑丽芹基金项目：黑龙江省教育厅研究创新基金项

6、

7、(YJSCX2009一O81HII)作者简介：刘伟(I97I～)．男，博．教授，主要从智能控制理论tj臆用方面的研究·9j·第l期刘伟等：基于粒子群优化神经网

8、络的谐波检测MIFNN能够实现从输入到输出的任意非线性映射]，其基本结构见图1．其中，，为输入，i—l，2，⋯，／'1，”为输入节点总数；，为输出，z一1，2，⋯，P，p为隐层神经元总数．实验中构造的MIFNN结构见图2．其中每一个待测的谐波分量分别对应一个隐层，一个隐层只负责记忆自己所对应的谐波的隐含映射关系，这样能克服图1结构中输出层和隐层之间的．连接权对待测畸变波形的所有谐波分量给出最佳值，记忆负担太重，而导致待测谐波相互影响的问题．因此，构造MLFNN谐波测量电路时，应使每一个输出神经元都对应自己的隐层．为使谐波测量电路结构

9、简单，运算量尽量小，网络结构只选用一个隐层，并且假设待测谐波电流只含有3次和5次谐波分量．一实验中构造的3次、5次谐波测量MIFNN模型为3层结图1基本的MIFNN结构构：1个输入层、1个隐层和1个输出层．输出层有4个神经元，分别对应待测波形中的3次和5次谐波的正余弦分量的幅值．隐层分成2部分，每一部分的神经元只和对应的输出神经元相连接．在此把对应3次、5次谐波的隐层神经元数目设成相等．网z络中隐层的特性函数为Sigmoid型，输出层神经元的激活函数采用Iogsig函数．隐层神经元输出函数为"h，(k)一1／(1+exp(一bh(k

10、)+>：(k)(k)))，(2)．输出层神经元输出函数为。"(志)一1／(1+exp(一b7(是)+叫(是)．．．(是)))，(3)式(2～3)巾："为输入层到隐层的权值；b为隐层阈值；砷为从隐层到输出层的权值；为输出层阈值；(足)为