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.     

IGG法和扩展傅里叶结合的间谐波分析

为获得准确的间谐波信号的频率分布估计值,提出了基于中国科学院测量与地球物理研究所的IGG(Institute of Geodesy & Geophysics,Chinese Academy of Sciences)法扩展傅里叶变换的间谐波分析方法.扩展傅里叶变换利用变换基函数代替传统离散傅里叶变换DFT(discrete Fourier transform)中的指数基部分,构造间谐波信号模型的目标函数,通过迭代对原始数据进行近似拟合;然后利用IGG算法迭代过程具有良好的抗粗差能力和可靠的收敛性等特点,求解上述目标函数.通过仿真验证,该方法具有超频率分辨和抗干扰特性,而且无需同步采样和过长的采样数据,因而在电力系统谐波测量中有较大的应用价值.     

基于快速傅里叶变换算法的智能电表Matlab仿真

介绍了一种基于快速傅里叶变换(FFT)算法的智能电表的Matlab仿真模型,采用FFT算法对电力系统进行谐波分析,精确监测电力系统的功率因数、谐波分量及畸变率等参数。该模型包括电力系统波形发生器、信号调理、单片机等模块,可以对理论数据、电力系统仿真数据以及电网实际采样数据进行谐波分析。着重介绍了FFT数据处理模块,并通过Matlab软件Powergui模块FFT Analysis功能与该仿真模型产生的计算结果进行了比较,验证了该模型的正确性。     

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。     

继电保护傅氏算法中滤除直流分量的一种简便算法

快速傅里叶变换（FFT）是电力系统进行谐波分析的主要算法，但当输入信号中含有衰减直流分量时，FFT算法会产生较大的误差。文中提出一种改进算法，能够在事先未知衰减常数的情况下，对衰减直流分量进行补偿，从而消除直流分量对基波及各次谐波幅值和相位的影响。该算法只需要在整周期采样的基础上增加一个采样点，理论上可以精确补偿衰减直流分量的影响，精度高、计算简单，适用于电力系统谐波分析中的精确算法。     

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.     

结合粗调和细调的电力系统谐波分析算法

为了解决FFT(快速傅里叶变换)在频率波动时存在误差的问题,提出结合粗调和细调两步调整的电力系统谐波分析法.该算法根据采样时间长度决定使用FFT或加汉宁窗插值谐波分析法快速获得信号较为准确的谐波分析结果,作为算法中的粗调部分;并通过Levenberg-Marquardt算法对所得谐波分析结果进行细调.该算法精度高,对采样时间长度要求低,根据采样时间长度选择FFT或加汉宁窗插值和Levenberg-Marquardt算法提高了收敛速度,是电力系统谐波分析的有效算法.对该算法受白噪声影响的仿真分析表明,算法受白噪声影响大,随信噪比增加误差减少,到80dB左右算法精度有保证.     

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。     

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.     

电力系统谐波分析的高精度FFT算法

快速搏立叶变换存在较大的误差,无法直接用于电力系统谐波分析。本文对ＦＦＴ的泄漏误差进行了分析,根据ＪＡＩＮＴ ｒａｎｄｋｅ提出的插值算法提出了多项余弦窗插值的新算法,对ＦＦＴ的结果进行修正,极大地提高了计算精度,使之适用于电力系统的准确谐波分析。     

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。     

基于三角基函数的新型神经网络谐波分析方法

谐波分析是电能质量检测的关键.改进了基于固定三角基函数的人工神经网络传统模型,仿真验证证实,改进后的模型可以精确获得基波及各整数次谐波的幅值和相位,且直观、收敛速度快;利用Matlab中的自定义神经网络函数创建了一种基于变参数三角基函数的新的人工神经网络模型,配合加窗FFT算法和高效的LM训练算法,能实现准确的整数次和非整数次谐波分析.仿真结果表明,该算法正确,且便于实现,具有一定的实用性.     

增强型自适应神经网络谐波分析方法的应用研究

通过对比当前几种主流谐波分析方法的优缺点,提出了较为理想的增强型自适应神经网络模型,并重点讨论了学习算法中频率学习率以及频率延迟率调整策略对于算法收敛性能的影响,给出了较为合适的参数优化设定值,并通过仿真实验验证了增强型自适应神经网络模型具有较高的谐波分析精度以及较快的学习收敛速度,并且无需同步采样以及长周期采样,是一种比较理想的谐波分析方法。     

电弧炉电气系统谐波分析的频域方法研究

文中对电弧炉电气系统谐波分析的频域方法进行了研究。首先对电弧电压波形进行了傅立叶分析，接着讨论了电弧炉系统谐波分析的思路。从替代定理和叠加原理出发，将三相对称及不对称电弧炉系统简化为单相系统进行求解。经过电路分析，导出了电弧炉系统主电路谐波、注入电网谐波、流过电容器谐波的解析计算公式。分析表明：电弧炉系统的主电路谐波的大小与系统的谐波阻抗、电弧电压波形和电弧炉的平均功率因数有关，电弧炉注入电网的谐波主要为低次谐波。当电弧炉电气系统在串联谐振点和并联谐振点附近时，均会出较大谐波电流，而串联谐振对系统的影响更大一些。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础，它对电力系统的运行、控制和计划都有着非常重要的影响。可由于负荷预测的复杂性、不确定性，难以获得精确的预测值。为提高预测精度，针对电力负荷的特点，综合考虑历史负荷、天气、日类型等因素的影响，将基于均匀设计（UD）和改进遗传算法(IGA)的网络构造法用于短期负荷预测。数据样本训练和实际预测结果表明，该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度。     

基于变学习速率神经网络的滑模智能PSS的设计

以电力系统的非线性模型为基础，依据滑模变结构控制理论和神经网络的知识，提出了一种多机电力系统神经网络滑模变结构PSS的设计方法。计算机仿真研究表明，神经网络滑模变结构PSS不仅可以有效地改善系统的动态特性，而且能够在较宽运行范围内为系统提供良好的阻尼，提高了电力系统的稳定性。