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的电力系统谐波分析

非线性元件的大量使用使得电力系统谐波日益增多,造成过电压、过负荷等问题,而谐波的监测和分析是治理谐波的前提条件,对此利用快速傅里叶变换 FFT 对构造的四种电力系统信号模型进行频谱分析.结果表明,FFT可很好地识别幅值固定不变的谐波分量,并可抑制系统中高斯白噪声的干扰,但在谐波幅值发生变化或信号频率不固定时,并不能准确获取信号频谱,需对其进行改进研究。     

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。     

一种高精度加窗插值FFT谐波分析方法

非同步采样和非整数周期截断造成的频谱泄漏会影响谐波测量结果的准确性.提出了一种高精度加窗FFT插值谐波分析方法.介绍了一种余弦组合窗函数,讨论了该余弦组合窗的特性,并首次将该窗函数运用在谐波分析中,利用曲线拟合函数求出实用的双谱线插值修正公式.试验分析表明,相比其他加窗插值算法,本文算法在频率、幅值和相位的计算中具有更高的精度,实用价值更高.     

基于乘法窗函数的插值FFT的谐波分析方法

针对常规加窗插值算法在使用过程中会出现不满足要求的情况,提出了一种新的乘法窗函数构造方法。以三种常规窗函数为例构造出九种乘法窗函数,并验证了基于这些乘法窗函数的三谱线插值FFT的谐波高精度分析方法。分析了新的窗函数的性能,将新窗函数应用到三插值FFT的谐波分析算法当中。仿真实验表明,构造出的窗函数在10个周期左右数据和5阶拟合条件下,相比于常规窗函数插值算法有更高的准确度。在实际工程中可根据需要选择所构造的窗函数。     

一种新的基于神经网络的高精度电力系统谐波分析算法

提出了一种新的基于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次谐波的频率、幅值和相位,提出并证明了该神经网络算法的收敛定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,文中提出的谐波测量方法的计算精度极高,且计算量较小,因此在电力系统谐波测量中有较高的应用价值.     

基于四谱线插值FFT的谐波分析快速算法

由于非同步采样和非整周期截断导致快速傅里叶变换(FFT)不能准确地分析出谐波参数,加窗和插值算法经常被用来改善FFT的计算精度。在信号加窗条件下,基于四谱线插值的FFT算法基础上进行快速算法研究。该算法通过分析加窗后信号的频域表达式,利用真实谐波点附近的4根最大谱线值确定实际谱线的位置,对该次谐波进行频率、幅值和相位等参数估计。并且通过多项式拟合的方式推导出了4种典型窗函数的修正公式。根据窗函数主瓣内任意相邻谱线相位相差 的规律,提出一种快速算法,计算某次谐波开方计算量仅需要1次,大大节约了计算复杂度和计算时间。仿真实验表明,四谱线插值算法在拟合阶次较低的情况下,不仅可以获得比常用双谱线和三谱线更高的精度,还具有对偶次谐波检测精度远胜于双、三谱线插值算法的优点。     

基于五项MSD窗三谱线插值的高精度谐波分析算法

为了解决快速傅里叶变换中存在的频率泄露和栅栏效应的问题,提出一种高精度的五项最大旁瓣(Maximum- sidelobe-decay, MSD)窗插值算法。从时域和频域分别分析了该窗函数和其他常用窗函数,体现出该窗函数的优秀旁瓣特性。用Matlab中的cftool工具拟合出该算法的修正公式,并用该方法对一般信号和频率变动的信号进行仿真分析。对比其他常用的几种窗函数插值算法的结果,表明五项MSD窗三谱线插值算法具有相对更高的精度,幅值相对误差达到10^-9%,而且在工频波动的情况下仍具有较高精度。     

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.     

一种基于BP神经网络的谐波检测方案

通常的谐波检测方案是对各次谐波（如1～50次）使用快速傅里叶变换（FFT）进行检测,然而用电单位往往并不关心所有次数谐波的具体数值,而仅关心关键次数的谐波或几个总体指标。为此,设计了一套新的谐波检测方案,以BP神经网络作为实现算法,不需要计算各次谐波即可实现对用户所关心的个别指标或总体指标的检测,而且要实现上述检测目标,通过对BP算法、DFT算法、FFT算法进行计算量分析,证明了该方案在计算量方面的优越性。使用一组实测谐波数据对方案进行仿真验证,结果表明该方案简单可行,可达到与FFT相近的检测精度。     

一种神经网络变结构电力系统稳定器的设计

在变结构控制理论的基础上 ,设计了一种基于神经网络的电力系统稳定器 (NNPSS)。利用BP神经网络对系统的状态进行辨识 ,通过对网络的训练 ,使神经网络能对不同的运行状态及扰动产生相对应的附加励磁控制。仿真实验证实了神经网络电力系统稳定器的可行性 ,所设计的NNPSS有效改善了电力系统的稳定性。     

应用三谱线插值FFT分析电力谐波的改进算法

分析了加窗三谱线插值FFT算法的原理。针对算法开方运算量大、响应速度慢的不足,分析了窗函数主瓣内谱线的相位特性,推导出在忽略谐波间泄漏影响的情况下窗函数主瓣内任意相邻两根谱线相位差等于π的规律。在此基础上提出了一种改进三谱线插值修正算法,该算法在不影响精度的前提下可将插值过程所需的求幅值运算量减少为常规算法的1/3。仿真和实验结果表明,改进算法有效地减少了插值过程的计算量,提高了算法响应速度,同时仍然具有较高的计算精度,适用于电力谐波的分析测量。     

基于谐波分析理论的FFT电能计量模型的改进

在电网谐波污染日益严重的情况下,提高电能计量的精度是大势所趋。分析了电网谐波影响下现有电能计量方法的准确性,以及基于谐波分析理论的电能计量方法,提出了Hanning加权插值FFT算法的电能计量模型,并对该模型进行了数值仿真,结果表明本文提出的改进模型有较高的精度,而计算量无明显增加。在高性能硬件条件的基础上,该算法模型将有较大的实际意义。     

基于船舶电网的FFT谐波检测方法

在船舶电力推进系统中,准确检测电网中各次谐波含量是十分重要的。为了进一步提高对谐波测量的准确度,本文通过改进布莱克曼窗函数,采用双峰谱线插值算法来对船舶电力系统的电量信号进行检测。通过软件对改进窗函数的参数进行数据拟合,并搭建仿真实验平台。通过对比添加不同窗函数所测量的结果,可以得出,改进的布莱克曼窗可以有效地提高对谐波检测的准确度。     

基于Slepian和Parzen互卷积窗插值FFT的电力系统谐波分析方法

摘要：谐波是电力系统中最为突出的电能质量问题之一。谐波参数的准确估计是电力企业和用户评价电能质量的重要参考依据。目前,电网谐波参数的估计方法主要基于傅里叶变换算法,但该算法在分析和处理信号时需要对原始信号进行截断和离散化处理,会不可避免的导致频谱泄露和栅栏效应,从而严重影响电网谐波参数的准确测量。而具有优良旁瓣特性的窗函数以及插值算法可有效改善因频谱泄露和栅栏效应所带来的参数估计误差。为此,本文提出一种基于Slepian窗和Parzen窗的新型互卷积窗（SPMCW）插值FFT的谐波分析方法。SPMCW具有较低的旁瓣电平和快速的旁瓣衰减速率,因而可有效抑制频谱泄露,进而实现弱谐波幅值的检测。在MATLAB下的仿真实验验证了本文算法的准确性和可靠性。实际构建的硬件平台验证了算法的有效性和可行性。     

基于四谱线插值FFT的电网谐波检测方法

在采用快速傅里叶变换法分析电网中各次谐波时,因信号的非整周期截断和非同步采样而造成的频谱泄露会对检测结果的准确性造成影响。为了提高谐波检测的准确度,提出了一种基于四谱线插值的快速傅里叶变换算法。该算法通过对加窗信号的离散频点处幅值信息的分析,利用谐波频点附近的四根谱线进行加权运算,进一步提高了谐波幅值和相位检测的准确度。通过数据拟合,得到常用的窗函数所对应的谐波分析实用修正公式。由数值仿真分析可以看出,该算法具有更高的检测精确度。仿真及实测的结果充分验证了该算法的准确性和有效性。     

基于卷积神经网络的电力系统暂态稳定预防控制方法

为了更好地实现电力系统暂态稳定预防控制,提出了基于卷积神经网络(Convolutional Neural Network, CNN)的电力系统暂态稳定预防控制方法。通过CNN模型输出变量灵敏度选择控制发电机并确定控制量,然后采用CNN和时域仿真相结合的暂态稳定评估方法进行控制方案校核,得到使系统在预想故障下稳定的控制方案。采用某省级电网算例进行预防控制效果验证。结果表明,采用所提出的预防控制方法,可以找到使系统恢复稳定的预防控制策略。