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。     

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。     

基于SRFFT算法的电力系统谐波分析的研究

针对目前FFT算法的不足,提出了一种全新的复序列加窗插值分裂基快速傅里叶变换(SRFFT)算法,该算法能够极大地提高FFT计算的精度。对此算法进行了模拟分析,给出仿真实例,实例证明该算法能准确测量各次谐波参数,对于电力系统谐波分析和抑制具有很大的实用价值。     

基于分裂基快速傅立叶变换的电力系统谐波分析

基于快速傅立叶变换(FFT)的电力系统谐波分析难以实现同步采样和整数周期截断,易造成频谱泄漏,影响谐波分析精度.为提高FFT的精度,比较几个典型的窗函数,提出基于加凯瑟窗的插值分裂基快速傅立叶变换算法.仿真分析结果表明该算法能提高FFT计算精度,满足谐波参数测量的精度要求.     

基于自适应神经网络的谐波分析模型与算法

提出一种周期信号的谐波基函数神经网络模型及基于该模型的谐波分析算法.该算法将基波频率和谐波幅值相位共同作为权值参与学习调整,通过自适应测量原理估计各次谐波参数,算法的收敛性定理为学习率的选择提供了理论依据.对信号存在频率偏差和含有白噪声两种情况分别进行了仿真,结果表明该算法精度高、收敛速度快,适合于非同步采样和短数据下的电力系统谐波分析.     

基于Harr小波的时变谐波检测

电力系统中,实际的波形总存在不同程度的非正弦畸变.文中利用Harr小波对时变谐波进行检测.不是用Harr小波将信号分解到不同的频带上,而是利用该小波基对时变谐波的幅值和相角进行逼近.给出了电力系统时变谐波检测算法的推导及流程.通过仿真分析与对比,验证了此算法的可行性和精度.     

Harmonic/inter-harmonic detection based on DNS-MUSIC function

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.     

EMD理论在电力系统间谐波检测中的应用

介绍了经验模态分解法（EMD）具体内容，并利用该算法对电力系统间谐波的测量进行了仿真，给出了具体算例。在进行EMD分解时，边界效应的解决和IMF筛选终止条件的选取是影响测量的关键，提出了相应的解决方法，但是还不能彻底消除这些影响。通过仿真算例，可以得出EMD算法能够比较精确的检测到电力系统中存在的间谐波。     

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。     

用于APF的神经网络自适应谐波电流检测方法

介绍了一种应用于有源电力滤波器APF(Active Power Filter)的神经网络自适应谐波电流检测方法。该方法应用自适应噪声抵消技术ANCT(Adaptive Noise Canceling Technology),将基波电流作为噪声信号,从负载电流中滤除,得到谐波电流。采用两层人工神经网络实现噪声抵消。阐述了该神经网络的构造和权值自适应调整算法,应用Matlab对该方法进行了仿真研究。仿真结果表明该方法能够实时准确地检测谐波．而且计算量小．具有较强的自适应能力。     

一种基于人工神经网络的谐波测量新方法

提出了一种基于人工神经网络(ANN)的电力系统谐波测量新方法.该方法应用一个多层前馈神经网络(MLFNN),对当前采样时刻和上一采样时刻的三相电流采样值进行分析计算,得出三相电流的谐波分量.阐述了该神经网络的构造和用于网络训练的学习算法.将该网络应用于整流电路的谐波测量,进行了仿真研究.仿真结果表明该方法能够实时而准确地检测出谐波分量.通过与基于瞬时无功功率理论的谐波测量方法比较,进一步证实了该方法具有延时小而精度高的优点.     

异步电机智能空间矢量控制系统的研究

在分析研究空间矢量脉宽调制（SVPWM）原理及应用的基础上,设计了一种基于人工神经网络（ANN）的SVPWM控制器。该控制器充分利用ANN快速并行处理能力、学习能力和容错能力,以减少谐波成分及其损耗,降低电机转矩脉动,提高感应电机矢量控制系统的动稳态性能。通过与传统的SVPWM矢量控制系统的仿真分析比较,表明了基于该控制器的调速系统,具有更低的谐波成分和更好的稳态性能及鲁棒性。     

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。     

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。     

基于i_p、i_q算法的谐波电流检测的仿真

介绍了目前应用广泛的基于瞬时无功功率理论的ip、iq算法原理、算法单个矩阵模块Simulink仿真模型的搭建过程和谐波电流检测仿真系统。选择不同的二阶低通滤波器(LPF)的截止频率,得出不同的滤波效果。结合有源电力滤波器(APF)的实时性和准确性,选择最佳截止频率,给出了滤波后的单相电流波形谐波畸变分析,对实现实际电路的滤波有较好的参考作用。     

Application of Hopfield Neural Network for Harmonic Current Estimation and Shunt Compensation

Harmonics generated by nonlinear loads pollute the power system and affect the operation of equipment connected to it. Hence, harmonic mitigation is of prime concern to a power system engineer. Artificial Neural Network (ANN) is a nonlinear signal processing technique, which is built from interconnected elementary processors called neurons. In this article, a Hopfield Neural Network (HNN) based control algorithm for shunt compensator in a power distribution system is realized. The Hopfield network is modeled using energy minimization principle and consists of “n” interconnected neurons. The HNN is used to estimate different harmonic components present in distribution system operating with nonlinear loads. It also provides suitable control signals to the shunt compensator for compensation of various power quality issues such as power factor correction, load balancing, and harmonic reduction in the distribution system. Detailed experimental results are presented along with simulation studies on the prototype model developed in the laboratory and these results demonstrate the feasibility of the proposed method of control in DSTATCOM. The comparison of the HNN-based compensation technique with a popular and effective control algorithm based on Least Means Square (LMS) is also presented in this article.