用于变电站噪声有源控制的一种算法研究

随着城市中心变电站数量增多以及人们对居住环境要求的提升,噪声扰民以及居民投诉越来越多。首先研究变电站内变压器噪声的特点,发现变电站噪声能量较大的频率分量主要为500Hz以下的低频噪声,且为100Hz整倍数的频率,这些特征频率信号在一段时间内比较稳定,不会发生突变。针对传统变电站噪声无源控制方法的不足,本文结合自适应有源噪声控制技术,提出了一种改进的变步长LMS自适应滤波算法。通过仿真验证了改进算法的性能,并对实测数据进行处理,结果表明算法可以使变电站降噪达到满意的效果。本文重点是变电站噪声和改进变步长LMS自适应滤波算法研究。     

反馈有源噪声控制的最近邻多频陷波器模型

反馈有源噪声控制系统结构简单,抗外界干扰能力强,但在对频率成分复杂的噪声控制时通常存在收敛速度慢、控制残差高等缺陷。本文针对工程中常见的离散线谱噪声反馈控制问题设计了一种最近邻-多频陷波器（NNR-MNF）反馈有源控制模型,使用最近邻回归器算法先验计算时域最优滤波器系数的近似解,在参数空间内从一个接近最优解的位置开始训练滤波器参数,使系统能够以一个较小的步长对复杂噪声进行控制,在快速收敛的同时避免系统发散问题。基于驱逐舰轮机噪声真实数据的计算机仿真实验结果表明,NNR-MNF算法相比传统控制方法其收敛时间减少了约70%。该结果说明使用基于机器学习的参数预训练方法能够有效提升噪声有源控制系统的收敛速度,为主动噪声控制问题提供了一种新的优化方案。     

基于系数查找表的全相位FIR自适应陷波器

本文分析了全相位DFT数字滤波器优良的频域传输特性,进而提出基于滤波器系数抽取查找表的全相位自适应陷波算法.该算法以陷波器输出信号的能量作为判断依据选择抽头系数,省去了传统频域FIR滤波器的FFT步骤,因而计算量小,而且变传统闭环控制为开环控制,因而收敛快,并可把频率设置点上的干扰完全陷波到0.因而相比于传统ⅡR和FIR陷波器,性能有了很大提高.     

变电站内噪声研究及控制系统设计

研究配电变电站内噪声的特点,发现变电站噪声能量较大的频率分量主要为500 Hz以下的100 Hz整倍数,且这些特征频率信号在一段时间内比较稳定,不会发生突变。基于FXLMS自适应有源噪声控制算法,构建和变电站主要噪声分量相关的参考信号,设计以TMS320F28335为核心处理器的变电站有源噪声控制系统,重点是自适应控制算法中相关参考信号的选择以及噪声有源控制系统的设计。在Matlab中对噪声控制算法进行仿真验证,仿真结果表明,该算法能够有效地降低在噪声中能量较大的低频信号,使降噪达到满意的效果。     

基于BP网络的语音信号自适应噪声抵消系统控制与研究

在信号的处理研究中,自适应噪声抵消技术被广泛的应用于通信、控制等领域,LMS算法是最常见的自适应算法。但是信号通道结构比较的复杂或者存在非线性和多噪声通道交叉串扰时,传统自适应滤波器的设计和使用就有很大的局限性。本文中的自适应噪声抵消设计思路,在基于误差反向传播算法(BP算法)的多层前向人工神经网络进行分析基础上,结合传统自适应噪声抵消系统基本原理,建立的基于BP算法的噪声抵消系统。由于神经网络能够克服传统自适应噪声抵消器无法解决的非线性问题,神经网络的自适应噪声抵消技术能够非常有效消除背景噪声。经过Matlab仿真,结果表明:采用BP网络设计的噪声抵消设计具有很好消除背景噪声的效果。     

基于LCL型逆变器的数字陷波器有源阻尼方法研究

为了解决传统电容电流比例反馈有源阻尼方法控制结构复杂以及由系统延时所导致的谐振阻尼区域狭小等问题,对基于陷波器的有源阻尼方法进行了研究。将系统的谐振阻尼区域从(0,fs/6)拓展到(0,fs/2),消除了延时所带来的影响。同时,为了减小谐振频率波动对陷波器陷波效果的影响,利用经典控制理论中有关偶极子的经验法则得到陷波器允许的谐振频率最大波动范围。并通过系统闭环传递函数的零极点图对系统稳定性进行分析,设计出合理的阻尼比。Matlab/Simulink仿真与实验结果验证了所设计的陷波器有源阻尼方法的有效性。     

自适应工频陷波器的原理与设计

本文讨论了传统工频陷波器的缺陷,并根据自适应噪声抵消器的原理提出了一种性能优越的自适应工频陷波器。该陷波器基本上克服了传统陷波器的不足,并在实际应用中取得了良好的效果。文章就自适应陷波器的原理和设计作了详细的论述,并给出了电原理图和实验结果。     

电流型PWM整流器自适应陷波器有源阻尼控制策略

电流型PWM整流器网侧LC滤波器存在谐振峰值,影响其并网电流质量和控制稳定性,常规的有源阻尼方法需要额外高精度传感器。提出基于自适应陷波器的有源阻尼方法,该方法无需额外传感器,能够依据电网阻抗变化主动调整陷波器中心频率。仿真结果表明该方法能有效抑制系统谐振,对电网电感变化具有鲁棒性。     

基于自适应陷波器的电网频率估计方法

本文针对电网频率难以精确测量的问题,提出利用自适应陷波器结构的滤波功能,结合电网电压基波信号及其谐波信号的特性,以陷波器实时输出平方值作为陷波器参数的优化目标函数,根据随机优化理论推导出陷波器参数在线迭代算法,从而对与频率有关的陷波参数进行自适应调整,达到电网频率估计的目的。该方法结构简单,通过仿真分析和实验测试,检验了所提出的频率估计算法的收敛速度和逼近精度,表明基于自适应陷波器的电网频率估计方法,可以准确估计出电网频率。     

基于自适应陷波滤波器的有源阻尼控制方法

LCL滤波器因具有良好的高频衰减特性而被广泛用作并网逆变器与电网的接口。弱电网情况下,并网模型中电网感抗值不可忽略,电网感抗的存在会影响LCL谐振频率的大小,对传统有源阻尼控制方法提出挑战。在分析基于带阻滤波器的有源阻尼控制方案基础上,引入自适应陷波滤波器,提出了一种能够跟随系统参数变化自适应调整陷波滤波器负谐振点位置的有源阻尼控制方法。以光伏逆变系统为载体对该算法进行仿真分析,结果验证了该方法在弱电网情况下的有效性和自适应性:系统谐振频率发生偏移时该方法能够实现对其的准确跟踪,并且显著降低谐振频率点及附近频率段的谐波含量;电网电压发生±5%以内电压突变时,该方法的动态响应特性仍能满足系统的稳定运行要求。     

基于遗传算法的有源消声系统设计

建立了基于遗传算法的自适应有源消声模型,介绍有源消声系统原理,自适应控制系统的关键在于其控制算法,用算法来调整滤波器的系数.在消声系统里必须考虑的因素主要有误差、声音的延迟、声音的衰减、在公式中适当的加入相位变化等.该系统结合神经网络算法,遗传算法和BP算法结合并改进提高了精度和准确性,可以用来优化神经网络的结构及其权值.实验分别从单音和复音情况进行,实验结果证明了基于神经网络算法的自适应有源消声系统有良好的消声效果,该系统稳定性较强.     

基于遗传小波神经网络的变电站内变压器噪声自适应抑制

为减少变电站噪声污染,针对变压器噪声控制问题,提出一种基于遗传小波神经网络的变电站内变压器噪声自适应抑制方法。首先,将变压器噪声进行小波神经网络建模,比较变压器实际噪声信号和模型输出噪声信号的大小。其次,根据残余噪声信号幅值绝对值,自适应选择遗传算法或者梯度下降算法作为小波神经网络中参数迭代的优化方法。最后,利用一种降噪综合性能评价策略,确定模型隐含层最优结构。通过3种不同模型的仿真,结果表明遗传小波神经网络模型对变压器附近的噪声信号有较好的抑制效果。     

并联有源电力滤波器的人工神经网络控制方法

提出并分析了一种适用于控制并联有源电力滤波器的人工神经网络方法。该方法采用两个不同的人工神经网络，其中的多元自适应线性神经元网络用以获取欲补偿的三相有害电流，而其中的三层前馈神经网络用以控制滤波器的输出电流。仿真结果显示：电力系统经并联有源电力滤波器补偿后，其电源电流波形有很大改善。     

改进粒子BP神经网络在变电站噪声控制中的应用

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化（PSO）的误差反向传播神经网络（BPNN）智能滤波算法。该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化（IPSO）算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、阈值作进一步的精细优化,使噪声得到更大程度上的抑制。文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善。     

神经网络控制的三相并联有源电力滤波器设计

针对现有各种谐波检测方法的不足,在分析了滤波器的工作原理和传统的神经网络控制算法之后,提出了一种新的神经网络控制算法,设计了一种应用于电力系统中补偿无功和抑制谐波的三相并联有源电力滤波器(APF),该滤波器由一个三相PWM电压源逆变器及其控制电路组成。将负载电流、直流侧电容电压与系统电压输入改进的神经网络,计算出并联有源电力滤波器的参考电流,参考电流输入滞环电流控制器获得逆变器的触发脉冲,从而得到补偿电流。通过Matlab仿真表明,由改进的神经网络控制的滤波器,在负载变化及其电流变化情况下都有良好的性能。同时,通过数字信号处理器实现的系统实验验证了该方案的正确性。     

基于自适应RBF神经网络的变压器噪声有源控制算法

针对现有变压器噪声有源控制算法存在的不足,提出了一种用于抑制噪声的新算法。该算法融合了自适应算法、粒子群算法、改进梯度下降算法及RBF神经网络算法。首先利用自适应算法确定降噪系统控制器中RBF神经网络隐含层节点个数和相应的参数;然后,根据切换策略自适应地选择粒子群算法或者改进梯度下降算法,用来优化节点数目和参数;最后,将优化得到的隐含层结构和参数反馈至系统控制器中,使系统的次级声源更好地抵消源声源。通过将所提的改进RBF神经网络法与未改进的RBF神经网络法和BP神经网络法进行比较,表明该算法可有效地提高降噪系统的自适应能力和抗干扰能力,且能够将噪声控制在较低的范围内,获得较理想的降噪效果。     

人工神经网络在电能质量调节器中的应用仿真研究

运用人工神经网络控制模式和一种新型控制算法,设计了一种可同时补偿无功和抑制谐波的并联有源电力滤波器.经MATLAB仿真,结果证明,所提出的有源电力滤波器控制技术及其控制算法,对消除谐波和补偿无功电流起到了更好的作用.     

并联有源电力滤波器的神经网络预测控制

针对速度、负和矩频繁变动的三相可控整流的直流电机驱动装置,提出了一种基于神经网络的并联有源滤波器预测控制方案。通过预测负载网侧输入电流的基波成分,控制有源滤波器产生用以抵消非线性负载的谐波电流。神经网络所需的输入信号为罗易获得的负载装置地信息,诸如可控整流桥的触发角、电机电枢电压和整流器交流测电流等。     

Steiglitz–McBride adaptive notch filter based on a variable‐step‐size LMS algorithm and its application to active noise control

This paper proposes a new Steiglitz–McBride (SM) adaptive notch filter (SM‐ANF) based on a robust variable‐step‐size least‐mean‐square algorithm and its application to active noise control (ANC). The proposed SM‐ANF not only has fast convergence but also has small misadjustment. The variable‐step‐size algorithm uses the sum of the squared cross correlation between the error signal and the delayed inputs corresponding to the adaptive weights. The cross correlation provides robustness to the broadband signal, which plays the role of noise. The proposed SM‐ANF is computationally simpler than the existing Newton/recursive least‐squares‐type ANF. The frequency response of the new SM‐ANF has a notch depth of about ?25 dB (for each of the three frequencies considered) and has spectral flatness within 5 dB (peak to peak). This robust notch filter algorithm is used as an observation noise canceller for the secondary path estimation of an ANC system based on the SM method. The ANC with proposed SM‐ANF provides not only faster convergence but also an 11‐dB improvement in noise attenuation over the SM‐based ANC without such a SM‐ANF. Copyright © 2015 John Wiley & Sons, Ltd.