基于傅立叶基函数神经网络算法的电力系统间谐波分析方法

间谐波是非整数倍基波频率的谐波信号.间谐波除了具有一般谐波信号的特性外,还会影响谐波补偿装置,因此准确检测间谐波的参数对于电力系统具有十分重要的意义.提出了一种基于傅立叶基函数神经网络算法的电力系统谐波分析方法,研究了该谐波分析方法的收敛性.为了验证该算法的有效性,给出了利用该算法进行问谐波分析的仿真实例.仿真结果表明,文中提出的问谐波分析方法具有计算精度高.训练速度快的特点,因此在电力系统间谐波分析中具有较大的应用价值.     

基于傅立叶基函数神经网络算法的电力系统间谐波分析方法

间谐波是非整数倍基波频率的谐波信号。间谐波除了具有一般谐波信号的特性外,还会影响谐波补偿装置,因此准确检测间谐波的参数对于电力系统具有十分重要的意义。提出了一种基于傅立叶基函数神经网络算法的电力系统谐波分析方法,研究了该谐波分析方法的收敛性。为了验证该算法的有效性,给出了利用该算法进行间谐波分析的仿真实例。仿真结果表明,文中提出的间谐波分析方法具有计算精度高、训练速度快的特点,因此在电力系统间谐波分析中具有较大的应用价值。     

基于广义生长-剪枝径向基函数神经网络的谐波源建模

采用广义生长一剪枝RBF神经网络建立稳态频域的谐波源模型。在该模型中，各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数的非线性映射关系通过一种新颖的广义生长一剪枝RBF网络进行建模。该网络的学习算法是串行的，可以进行动态建模。算例计算表明，该模型具有训练时间少、精度高、可动态建模等优点，是谐波源建模的有效方法     

基于神经网络算法的谐波参数估计

研究基于神经网络算法的谐波参数估计方法.采用递推最小二乘法(RLSM)作为学习算法,提高神经网络的收敛速度并避免局部极小问题.为验证该算法的有效性,给出利用该算法进行间谐波分析的仿真实例.仿真结果表明,提出的间谐波分析方法具有计算精度高、训练速度快的特点,因此在电力系统间谐波分析中具有较大的应用价值.     

基于自适应数字滤波的谐波检测

现代电力系统中,非线性负荷引起的谐波降低了系统对其它电力用户的供电质量,威胁着系统的安全经济运行。近年来发展起来的一种新型补偿措施－－有源电力滤波器,能有效抑制电力系统中非线性负荷引起的谐波污染。对谐波电流的快速准确检测是实现其功能的关键,研究了用于有源电力滤波器的谐波检测手段,在分析现有谐波检测手段的基础上,提出一种采用自适应数字滤波检测谐波电流的方法。这种方法简单,易于用ＤＳＰ实现,能满足有源     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。     

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.     

基于改进级联神经网络自适应电网谐波检测

为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。     

基于噪声子空间分解MUSIC函数的谐波／间谐波检测算法

针对电力系统中存在的谐波和间谐波问题,提出了基于噪声子空间分解MUSIC（DNS-MUSIC）函数的谐波 ／间谐波检测方法。利用信号自相关矩阵的特征值分解理论,将信号的自相关矩阵分解为信号子空间和噪声子空间,利用2个子空间的正交性进一步分解噪声子空间,对其进行变换,构造出基于噪声子空间分解的特征多项式（DNS-MUSIC函数）,求解该多项式得到信号基波和谐波频率预估计,结合消噪思想检测电力系统信号频率成分,然后利用扩展Prony法检测信号的幅值和相位。通过仿真实验与其他经典算法比较,结果证明了所提算法的可行性、高效性和稳定性。     

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。     

基于自适应神经网络的谐波和无功电流数字检测

研究用于谐波和无功电流检测的自适应神经网络,神经网络权值根据均方误差的最快梯度下降法来调整。其本质是按误差信号与参考输入的相关性来调整,稳态时能完全检测出与参考输入相关的信号,使得被检测波形不存在波动,最后检测用数字方法实现。     

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。     

基于神经网络的电力系统高精度频率谐波分析

加窗插值 FFT 算法是电力谐波分析常用的高精度算法，但在严重非同步采样情况下，其谐波分析精度有限。该文提出一种基于神经网络的高精度电力系统频率谐波分析算法。采样频率不能与实际基波频率同步时，该算法通过对与基波频率、谐波幅值及相位等相关参数进行更新，当神经网络收敛时，可以获得高精度的谐波分析结果。仿真结果表明，当基波频率在40~60Hz范围变化时，电力系统基波频率、基波和谐波幅值和相位的分析精度超过99.999 999 999%。     

基于线性神经网络的谐波检测方法研究

在比较了当今多种谐波检测方法的优缺点基础上,提出了基于线性神经网络的谐波检测方法。构造了谐波检测的网络模型,对利用该方法进行谐波检测的原理做了简单的介绍。文中运用最小均方差算法(LMS)调节网络权值W,使得误差指标达到最小值。最后构造含有奇次谐波的负载电流函数,利用MATLAB软件分别运用加汉宁窗的快速傅里叶变换(FFT)方法和构造的自适应线性神经网络方法进行仿真实验。通过实验结果表明,基于自适应线性神经网络方法的谐波检测技术具有更好的检测精度。     

基于小波和神经网络的时变谐波信号的检测

谐波的测试越来越受到人们的重视.小波变换具有变尺度和时频分析的特性,神经网络具有非线性映射和自学习的特性,因此这两种方法在谐波检测中都得到了广泛应用.然而,这两种方法又有其各自的不足.本文首先分析了这两种方法的本质缺陷;然后结合他们各自的优点,提出了使用小波多分辨分析(MLR)和神经网络相结合的算法对时变谐波信号进行检测;构造了基于双正交函数的小波基;提出了利用优化确定小波分解层数的算法;给出了小波-神经网络模型;最终利用仿真试验对算法进行了验证.仿真试验的结果表明,本文所述的方法能够有效地检测谐波的各种成分,并提取定量信息,不失为一种有效的检测方法.     

基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型

针对光伏发电系统出力波动问题,提出遗传算法(GA)—模糊径向基(RBF)神经网络的光伏发电功率预测模型,将功率预测值应用于光伏发电的蓄电池储能功率调节系统,以降低对电网的冲击。选择与待预测日天气类型相同、日期相近、温度欧氏距离最小的历史日作为相似日,把与光伏发电功率相关性大的太阳辐射强度和温度作为模型输入变量,提出K均值聚类和遗传算法的参数优化方法,建立基于GA—模糊RBF神经网络的最终预测模型。在光伏功率预测的基础上,提出一种平滑控制策略,对光伏并网功率进行有效调节,从而达到平滑光伏功率波动的目的。实例证明,所述预测模型具有较高精度,并验证了平滑功率波动控制策略的有效性。     

基于Hopfield神经网络的多阶段配电变电站的规划优化

提出了一种城市电网规划中多阶段变电站规划优化的新算法.该算法先用贪心法快速求解目标年新建变电站的座数和各变电站(包括已有变电站)的目标年容量,再利用Hopfield神经网络算法计算新建变电站的位置和各变电站(包括已有变电站)在各规划阶段的供电范围,最后确定各变电站在各阶段的真实容量及投建计划.在求解过程中,该方法考虑了已有变电站的改造问题.从全局最优的原则出发,可求得具有实际价值的最优解或近似最优解.该方法在求解变电站供电范围时无需对数据进行归一化处理,且易于编程.该方法可为变电站规划提供一种新的思路.     

基于小波神经网络的时变谐波信号检测

电力系统中存在大量的由于非线性器件对电网电压电流整流、逆变而产生的时变谐波。该文提出使用小波神经网络(wavelet neural network,WNN)算法对这一类谐波进行检测。利用小波变换的时频聚焦特性可得出信号的时变信息;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛性能;给出网络参数的选定方案;确定网络的训练算法;分析算法的时效性;并与其它检测方法做出比较。经仿真试验表明,该文所述的方法提高了检测的精度和效率。     

用RBF神经网络建立火灾探测器模型

火灾自动报警系统正朝智能化方向发展,但关键在于采用智能化的信号处理算法。本文探讨运用RBF神经网络建立火灾探测器模型。     

神经网络非线性模型算法控制

将多项式基函数神经网络作为模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克服了ＭＡＣ不能用于非线性预测控制的缺陷．该方法在被控对象未知或建模困难的情况下能很好地实现对系统的预测控制,具有很强的鲁棒性和自适应性．