基于FFT和神经网络的非整数次谐波检测方法

运用人工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，但这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，文中提出了一种改进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，提出了一种用于非整数次谐波检测的新方法。该方法首先对采样信号用加汉宁窗的FFT算法进行预处理，得到了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；最后对改进后的人工神经网络进行训练，便可实现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，可有效地提高谐波参数的检测精度，为谐波治理提供良好的依据。     

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。     

滤波器-神经网络的谐波检测方法

电网谐波的高精度检测是电能计量和电能质量评估的基础。针对神经网络的谐波检测算法中,计算精度受基波频率精度影响较大的问题,提出用数字滤波结合牛顿反插值算法得到高精度的基波频率,然后用线性神经网络算法检测电力系统各次谐波的频率、幅值和相位。计算结果表明,该算法在频率波动和白噪声干扰的情况下,依然能得到高精度的谐波参数信息,其精度远高于FFT算法与加汉宁窗的FFT算法,在电力系统谐波测量中有一定的应用价值。     

滤波器-神经网络的谐波检测方法

电网谐波的高精度检测是电能计量和电能质量评估的基础.针对神经网络的谐波检测算法中,计算精度受基波频率精度影响较大的问题,提出用数字滤波结合牛顿反插值算法得到高精度的基波频率,然后用线性神经网络算法检测电力系统各次谐波的频率、幅值和相位.计算结果表明,该算法在频率波动和白噪声干扰的情况下,依然能得到高精度的谐波参数信息,其精度远高于FFT算法与加汉宁窗的FFT算法,在电力系统谐波测量中有一定的应用价值.     

基于三谱线插值FFT的电力谐波分析算法

快速傅里叶变换在非同步采样和数据非整数周期截断的情况下存在较大的误差,无法得到准确的谐波参数。为此,文章提出一种改进的加窗插值傅里叶变换算法进行电力谐波检测。该算法通过分析加窗信号傅里叶变换的频域表达式,利用谐波频点附近的3根离散频谱的幅值确定谐波谱线的准确位置,进而得到谐波的幅值、频率及相位。推导的三谱线插值修正算法能够进一步提高谐波分析的准确性。基于该算法,通过多项式拟合的方式,得出了一些典型窗函数的谐波分析实用修正公式。通过仿真,验证了相比目前常用的双谱线插值修正算法,该算法在加相同窗函数情况下具有更高的计算准确度,从而验证了该算法的有效与实用。     

线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测

提出了一种改进的人工神经网络(ANN)算法,利用线性递减权重粒子群优化算法(LDWPSO)来调节ANN各层的权重值,得到收敛最小时的权向量,计算谐波相角,实现对谐波的检测。仿真结果表明,线性递减权重粒子群人工神经网络算法(ANN-LDWPSO)具有高控制精度和快收敛速度,并能准确地检测电网谐波,从而验证了算法的可行性和实用性。     

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。     

数字变电站IED采样的一种改进算法

针对Lagrange线性插值算法在谐波次数高的情况下误差过大和Lagrange抛物线插值算法在合并单元（MU）低采样频率下误差改进不明显,提出了一种改进算法。根据改进算法的计算思路,运用Matlab 7．0编程．对算法进行仿真和模拟。与线性插值算法相比,该算法大大降低了各采样点的相对误差,提高了电流、电压、功率幅值的测量精度;同时通过分析一种典型谐波信号,验证了在同样插值条件、计算量相当的情况下．加权算法在80Hz的低采样频率下,误差较二阶Lagrange算法有显著的改善．有效地抑制了谐渡对算法的影响。仿真结果表明该算法计算精度高．可以满足新型变电站智能设备的采样值信号接口技术的要求．     

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。