基于FFT和神经网络的非整数次谐波分析改进算法

运用神经网络模型进行整数次谐波检测可达到较高的检测精度,但该种线性神经元模型不适合非整数次谐波的检测。为精确检测非整数次谐波,该文提出一种改进的线性人工神经元模型,并将加汉宁窗的FFT算法和改进的线性人工神经元模型结合起来,提出一种改进的非整数次谐波分析算法。首先,对采样信号用加汉宁窗的FFT算法进行预处理,得到谐波个数和精度不高的谐波次数;其次,根据谐波个数设定神经元的个数,根据预处理后得到的谐波次数设定神经网络谐波次数迭代的初始值;为了提高迭代速度,提出了谐波次数迭代步长自适应调整的算法。最后对改进后的人工神经网络进行训练,实现了非整数次谐波的精确检测。仿真实例表明,该方法能将频率相近的非整数次谐波分离,可有效提高谐波参数的检测精度和速度。     

基于FFT和神经网络的高精度谐波分析

为了精确分析整数和非整数次谐波,提出了基于快速傅里叶变换(FFT)和神经网络的谐波分析方法,该方法的特点是采用基函数参数可调的神经网络.具体是先把信号进行FFT处理,得到谐波个数和精度不高的谐波幅值、相位、谐波次数;其次根据谐波个数设定神经元的个数,根据预处理后得到的幅值、和相位、谐波次数设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现整数和非整数次谐波的精确分析,同时能将频率相近的非整数次谐波分离.仿真结果验证了该方法的有效性与易实现性.     

基于FFT 和神经网络的高精度谐波分析

为了精确分析整数和非整数次谐波,提出了基于快速傅里叶变换(FFT)和神经网络的谐波分析方法,该方法的特点是采用基函数参数可调的神经网络。具体是先把信号进行FFT处理,得到谐波个数和精度不高的谐波幅值、相位、谐波次数;其次根据谐波个数设定神经元的个数,根据预处理后得到的幅值、和相位、谐波次数设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现整数和非整数次谐波的精确分析,同时能将频率相近的非整数次谐波分离。仿真结果验证了该方法的有效性与易实现性。     

基于三角基函数的新型神经网络谐波分析方法

谐波分析是电能质量检测的关键.改进了基于固定三角基函数的人工神经网络传统模型,仿真验证证实,改进后的模型可以精确获得基波及各整数次谐波的幅值和相位,且直观、收敛速度快;利用Matlab中的自定义神经网络函数创建了一种基于变参数三角基函数的新的人工神经网络模型,配合加窗FFT算法和高效的LM训练算法,能实现准确的整数次和非整数次谐波分析.仿真结果表明,该算法正确,且便于实现,具有一定的实用性.     

基于连续小波变换的非整数次谐波测量方法

快速傅里叶变换(FFT)可实现整数次谐波的精确检测，但对非整数次谐波的检测误差较大；加窗插值算法可提高非整数次谐波的检测精度，但会导致谐波分辨率降低。如果信号中存在频率相近的整数次和非整数次谐波，利用FFT和加窗插值算法都无法实现谐波的准确检测。连续小波变换(CWT)因其良好的时频局部化特性，可用来分析谐波。通常利用CWT系数的幅值来检测谐波频率。但不同尺度的小波函数在频域上存在相互干扰，如果被检测信号中含有频率相近的谐波，利用CWT系数的幅值无法实现谐波的准确检测。文中结合傅里叶变换和CWT的特点，提出了利用小波变换系数傅里叶变换的幅值来分离谐波的算法。通过实例验证，该算法能够把频率相近的整数次和非整数次谐波分离，实现较理想的检测，从而提高了谐波分析、检测的精度。     

基于改进加窗插值FFT的高精度谐波与间谐波检测算法

大量非线性元件的应用给电力系统带来了大量的整数次和非整数次谐波（称为间谐波）,传统的谐波检测方法——快速傅里叶变换（fast Fourier transform,FFT）算法基于同步采样的方式,不适用于非整数次谐波的检测分析。频谱泄漏现象是由于有限长信号的傅里叶变换与理想傅里叶变换的不同而产生的。为了消除频谱泄漏,提出了基于余弦窗的插值FFT算法,给出了K项余弦窗插值的参数估计通式,并对矩形窗和汉宁窗的插值算法通过实例进行了验证。结果表明,基于汉宁窗的插值算法在基波频率偏离额定值或者大量间谐波存在的情况下,都能在非同步采样下准确地检测出谐波和间谐波的频率、幅值和相角。同时该算法也和其他非同步采样方法进行对比,结果表明,该算法较文献中方法具有精度高、计算复杂度降低的优点。     

基于粒子群与神经网络的间谐波测量算法研究

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。     

基于粒子群与神经网络的间谐波测量算法研究

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.     

基于神经网络的高精度电力系统谐波分析

为了精确分析整数次谐波和非整数次谐波,讨论了基于参数固定的三角基函数的人工神经网络算法,利用该算法可一次性获得电力系统基波及各整数次谐波的频率、幅值和相位;同时提出了改进的三角基函数的人工神经网络算法,即变参数三角基函数的人工神经网络算法,把改进的模型和FFT结合起来,能实现精确的整数次和非整数次谐波的分析.仿真结果表明了两种算法的正确性和易实现性;同时也验证了改进的算法进一步提高了谐波分析的精度,为分析间谐波提供了依据.     

基于FFT的高精度谐波检测算法

大量非线性元件的应用给电力系统带来了大量的整数和非整数次谐波，传统的谐波检测方法快速傅立叶变换（FFT）由于存在栅和频谱泄漏现象，只适用于整数次谐波的分析，而不适用于非整数次谐波的检测，因此不能够实现精确的谐波分析，非整数次谐波频谱泄漏现象是因为有限长信号的傅立叶变换与理论傅立叶变换的不同而产生的，为消除频谱泄漏误差，提高检测精度，文中详细分析了FFT算法的频谱泄漏现象，在此基础上提出了改进算法，该算法通过对FFT算法做简单变换，减少了频谱泄漏误差，降低了谐波之间的相互干扰，仿真验证了该算法的高精度检测特性，该文提出的算法具有实现简单，精度高的特点，从而为电力系统中的谐波检测和分析提供了一种有效的算法。     

一种改进型FFT谐波分析方法

快速傅里叶变换(fast Fourier transform,FFT)存在较大的误差,不适宜直接用于电力系统谐波分析中.为消除其所产生的误差,提高检测精度,提出了一种基于最小二乘法与FFT相结合的改进型谐波分析方法.该方法利用最小二乘法对快速傅里叶变换的结果进行修正,从而获得高准确度的分析结果,实现对非整数谐波和频率较小的次谐波的同步跟踪与分析.利用Matlab软件对该方法进行仿真实验,仿真结果证明了该方法的有效性和准确性,为谐波的检测与分析提供了一种有效的方法.     

一种高精度的电力系统谐波智能分析方法

快速傅里叶变换存在较大的误差,无法直接应用于电力系统谐波分析,文中提出了一种基于傅里叶级数模型的神经网络算法。由于该算法模型与电力系统谐波模型匹配,因而有效提高神经网络的收敛速度和计算精度,减小计算量, 使之适用于电力系统的准确谐波分析。为了保证该算法的收敛性,提出并证明该算法的收敛性定理,为神经网络学习率的选择提供理论依据;同时为了验证算法的有效性,给出该算法进行谐波分析的仿真实例。计算结果表明,利用该方法可快速获得电力系统基波及各次谐波的高精度幅值和相位, 而且不涉及复数运算,因而在电力系统谐波测量中有较大的应用价值。     

基于分段迭代的电力谐波神经网络分析方法

为了提高谐波和间谐波分析的速度、精度和抗噪性能,将基于分段迭代的增强型Adaline神经网络应用于电力系统谐波和间谐波分析。该网络在加汉宁窗双谱线插值FFT算法的基础上,将采样数据按采样时间分段,依次用各段对应的误差信息来调整增强型Adaline神经网络的参数。该方法结合一点迭代法和全部点迭代法的优点,既将各时段内的误差进行平均,减少噪声对参数调整的影响,又充分保留误差中包含的谐波和间谐波信息,提高网络的精度。另外,根据参数估计误差和频率对误差函数一阶偏导之间的关系,提出修正信号幅值最大分量对应的频率调整量的处理方式,提高网络的实时性和精度。仿真结果验证了分析结论的正确性。     

基于虚拟仪器技术的在线谐波测量分析系统

提出了电力网络在线谐波测量分析系统的一种构成方案。该方案基本思想是将传统的谐波测量分析仪的硬件构成通过虚拟仪器技术来实现,形成谐波测量分析虚拟仪器,然后应用该仪器构成多点同步测量的谐波分析系统。在该系统中,考虑应用GPS同步时钟作为同步时间标准,以使分布在不同位置的测量点实现同步测量和测量数据的同步上传。在谐波分析中,设计并动态使用高精度FFT法和递归FFT法(RFFT)作为谐波分析手段,以提高分析的精度和速度。     

一种高精度的电力系统谐波分析算法

首先给出了现有电力系统谐波分析算法中存在的一些问题，然后详细分析了用加海宁窗的FFT算法精确求得电力系统频率的方法和基于Adaline神经元结构的谐波分析原理。在此基础上结合加海宁窗的FFT算法和Adaline ANN算法的优点，提出了一种用于电力系统谐波分析的FFT-Adaline算法。该算法消除了加海宁窗的FFT算法和Adaline ANN算法产生误差的主要因素，从而显著地提高了谐波分析的计算精度。文中给出了该算法用于谐波分析模拟计算的算例，计算结果表明：新算法在波形信号中存在系统频率波动和白噪声干扰的情况下依然具有非常高的精度，结合高速数字信号处理器(DSP)或高性能CPU使用，将有较大的实际意义。