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BP神经网络和线性神经网络的间谐波分析方法

传统的线性神经网络,其激励函数是固定函数,所以不能对间谐波的频率进行调整,而基波频率微小的偏差将导致谐波检测出现较大的误差。笔者在采用BP神经网络的高精度基波检测的基础之上,采用激励函数参数可调的线性神经网络来分析间谐波。理论分析和仿真结果都表明,无论有没有噪声,文中提出的方法都具有较高的检测精度,自适应能力较强,其中检测与偶数次谐波比较接近的间谐波的优势更明显。     

基于前馈神经网络的电网基波高精度检测

电网基波是电能计量和电能质量评估的重要指标,提出了基于前馈神经网络的电网基波频率和幅值的高精度检测方法。根据数学推导得出：正弦信号过零点与其两侧对称两点的连线与时间轴交点的时间差,同频率满足单调关系,但并非严格的线性关系,而且与幅值无关,据此用前馈神经网络建立该时间差与频率的映射关系。Matlab仿真表明,提出的算法对频率的检测精度达到10^-4级,幅值的检测精度高达10^-5级,远远高于快速傅里叶变换和Harming窗的插值算法;随机噪声和谐波对前馈神经网络测量精度的影响很小,该算法具有较强的抗干扰能力。     

基于改进的神经网络高精度谐波分析方法

通过滤波器和牛顿插值算法,得到了高精度的基波频率;用改进的线性人工神经网络方法进行谐波测量;给出了该方法用于谐波分析的算例。仿真结果表明：该方法在系统频率波动时,依然能得到高精度的谐波分析信息,其精度远高于快速傅里叶算法与加汉宁窗的傅里叶算法,在电力系统谐波分析中有一定的应用价值。     

两例典型大停电事故对地区电网规划的启示

以惠州电网2010年7月19日停电事故和深圳电网2012年4月10日停电事故为例,分析了电网结构对停电事故的影响。针对停电事故区域的电网结构和运行方式特点阐述了事故产生原因和处理过程,对比两起事故的共同点和差异,对电网薄弱环节进行探讨。从电网结构、500 kV变电站的220 kV母线接线方式、旁路母线、备自投配置等方面分析如何从规划源头上降低大停电发生的风险和带来的损失,并结合实际工作提出了相关建议。