欢迎来到天天文库
浏览记录
ID:52482405
大小:344.18 KB
页数:5页
时间:2020-03-28
《基于粒子群与神经网络的间谐波测量算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第39卷第2期电力系统保护与控制Vl0l-39NO.22011年1月16日PowerSystemProtectionandControlJan.16,2011基于粒子群与神经网络的间谐波测量算法研究覃思师,刘前进(华南理工大学电力学院,广东广州510640)摘要:为了精确测量电力系统的非整数次谐波,提出一种基于粒子群与神经网络的混合算法。该算法通过FFT变换得出谐波个数和精度不高的谐波幅值、相位、谐波次数,然后初始化粒子群,再由粒子群优化算法训练神经网络,得出间谐波的各项参数。同时提出一种基于可变参数的神经元激发函数,使得谐波次数和权值一样参与调整,更有利于检测非
2、整数次谐波。仿真实例表明,该算法能将频率相近的非整数次谐波分离,可快速、精确地获得非整数次谐波的各项参数。关键词:电力系统;神经网络;快速傅里叶变换;粒子群优化;谐波分析HybridalgorithmforinterharmonicsmeasurementbasedonparticleswarmoptimizationandneuralnetworkQINSi·shi,LIUQian-jin(CollegeofElectricPower,SouthChinaUniversityofTechnology,Guangzhou510640,China)Abstract:
3、Inordertomeasurethepowersysteminterharmonicsaccurately,thispaperpresentsahybridalgorithmforinterharmonicsmeasurementbasedonparticleswarmoptimizationandneuralnetwork.ThesampledsignalisprocessedwithFFTalgorithm,thenitsnumber,magnitudes,phases,andordersofharmonicsareobtained.Afterinitial
4、izingtheparticleswarmandtrainingtheneuralnetworkbytheparticleswarnloptimizationalgorithm,theparametersofinterharmonicsCanbegotten.Atthesametime,thepaperproposestheneuralexcitationfunctionbasedonvariableparameters,whichmakesthenumberofharmonicsandweightsofneuralnetworkparticipateinthea
5、djustment,therebyitisbetterfordetectingthenon-integerharmonics.Simulationresultsshowthatclosenon—intergerharmonicscanbeseparatedfromasignalandparametersofinterharmonicsareobtainedfastandaccuratelybythealgorithm.Keywords:powersystem;neuralnetwork;fastFouriertransforms;particleswarmopti
6、mization;harmonicanalysis中图分类号:TM85文献标识码:A文章编号:1674-3415(201002—0018—05出的信号参数误差较大。为提高FFT的计算精度,0引言文献『5.91对FFT进行了加窗与插值改进,改进的算随着电力系统中非线性负荷的大量应用,电力法虽然在非整周期采样下满足了精度的要求,但过系统谐波的情况也越来越复杂,不仅存在频率是基程复杂,很难分析出次谐波和频率相近的谐波,也频整数倍的整数次谐波,还存在着大量非整数次谐无法满足实时监测电力系统谐波的要求。近年来,波【1之】,这给电力系统中的设备运行带来很大的危人工神经网络在电
7、力系统中的应用获得了蓬勃发害,因此应对这些谐波进行治理。确切掌握系统谐展,自适应线性人工神经网络已被应用于电力系统波状况是实现谐波治理的前提条件,精确的谐波检的整数次谐波检测【J¨J。文献[12】提出了一种用于测对于防止谐波危害,维护系统安全运行有着重大电力系统谐波分析的FFT-Adaline算法,并应用于整意义。数次谐波的检测,提高了谐波参数的检测精度。文电力系统的谐波分析通常通过快速傅里叶变换献【13]提出一种基于傅里叶级数模型的神经网络算(FastFourierTransforms,FFT)实现LjJ,但其必法,该算法模型与电力系统整数次谐波模型相匹配,须在
8、整周期采样
此文档下载收益归作者所有