CN103383413A - 基于权值直接确定法的实时谐波检测方法 - Google Patents
基于权值直接确定法的实时谐波检测方法 Download PDFInfo
- Publication number
- CN103383413A CN103383413A CN2013102877719A CN201310287771A CN103383413A CN 103383413 A CN103383413 A CN 103383413A CN 2013102877719 A CN2013102877719 A CN 2013102877719A CN 201310287771 A CN201310287771 A CN 201310287771A CN 103383413 A CN103383413 A CN 103383413A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- matrix
- real
- weight matrix
- harmonic detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于权值直接确定法的实时谐波检测方法,本发明的意义在于为电力系统实时谐波检测提供一种新方法,该方法构建了正弦基函数神经网络结构,给出了适用于谐波检测的权值设计方法,以及通过单步计算获得正弦基函数神经网络的最优权值。本发明所述的基于权值直接确定法的实时谐波检测方法避开了传统谐波检测方法中冗长的网络训练而直接一步计算获得包含谐波幅度与相位信息的网络权,检测效率高。
Description
技术领域
本发明属于信号处理领域,具体涉及一种基于权值直接确定法的实时谐波检测方法。
背景技术
电力系统中存在大量的非线性器件对电网电压电流整流、逆变而产生时变谐波,使得电力谐波污染问题日益严重,严重影响了电能质量的同时对电力系统的安全、稳定、高效运行构成了威胁;而且,由于电力系统谐波产生的随机性的,受电网非线性复杂的影响严重,实时检测电网的谐波难度很大,这些都使得现阶段进行电力谐波实时准确检测具有重要意义。
传统的基于模拟滤波器的谐波测量方法因对抗谐波畸变率大并具有电压具有附加相移的能力太弱而被淘汰;而傅里叶变换法存在频谱泄露与栅栏效应、无法检测非平稳性谐波等不足;小波检测法在检测电网暂态信号或信号奇异性上具有很好的优势,但是该方法所进行的信号分解会使得高通和低通滤波器组间存在交错,出现混频混叠现象,而且还存在窗口能量不集中的问题。其它还有基于智能优化算法的谐波检测方法,但是需要进行时频变换后再进行优化算法演化,复杂度较高。
神经网络算法的基本思路是采用物理可实现的系统来模仿人脑神经细胞的结构和功能系统,算法具有很好的非线性表达能力、并行处理能力、强鲁棒性以及自组织自学习的能力,被广泛使用在信号处理及模式识别领域,谐波检测问题相当于一个信号检测问题,可以尝试用神经网络的方法解决。
发明内容
本发明针对上述现有技术的不足,提供了一种基于权值直接确定法的实时谐波检测方法;该基于权值直接确定法的实时谐波检测方法可以增强谐波检测的实时性,避开传统谐波检测方法中冗长的网络训练而直接一步计算获得包含谐波幅度与相位信息的网络权值,进而从该权值矩阵中提取基波和各次谐波的幅度与相位,从而达到检测各次谐波的目的。
本发明是通过如下技术方案实现的:
一种基于权值直接确定法的实时谐波检测方法,包括以下步骤:
(1)将电力系统中含有各次谐波的周期性信号表示为:
(2)
(5)构造正弦基函数矩阵
本发明所述的基于权值直接确定法的实时谐波检测方法基于神经网络进行谐波测量,具有检测精度高、测量准确好、实时性强与抗干扰性能好的优点。
下面结合附图对本发明做进一步的描述。
附图说明
图1是本发明的正弦基神经网络结构图;
图2是本发明在分析信号为,基频为50Hz,谐波和相位随机产生,10分贝高斯白噪声情况下分析获得的波形图;
图4是本发明在分析信号为,基频为50Hz,谐波和相位随机产生,10分贝高斯白噪声情况下分析获得的输入输出幅度误差图。
具体实施方式
本发明提供了一种基于权值直接确定法的实时谐波检测方法,包括以下步骤:
(1)将电力系统中含有各次谐波的周期性信号模型采用三角函数和差化积公式展开,则电力系统中含有各次谐波的周期性信号可表示为
(4)正弦基函数神经网络权值设计;
从矩阵的形式可发现,谐波的幅度与相位信息均包含在矩阵中,而且该矩阵与任何信号输入采样值无关;继续观察该矩阵可以发现,其元素由,,组成,如果可以准确获得该矩阵的各元素值,那么就可以根据三角函数的相关性质就可精确获得第i次谐波幅度和相应相位。
(5)正弦基函数矩阵设计
那么,根据采样点的输入变化,可构成如下正弦基函数矩阵
如上就完成了正弦基神经网络的设计,该网络采用三层结构(如图1所示),包括输入层、隐含层和输出层。
(6)根据正弦基函数矩阵以及权值矩阵,采用直接确定权值法单步获得权值矩阵的估计值;
具体地讲,即构造如下优化问题
这里上标+表示矩阵伪逆运算。
继续求其二阶导:
显然该矩阵为一个正定矩阵。所以如上优化问题具有唯一解:
图2是本发明在分析获得的各次波形图。图3是通过本发明方法所获得的输入输出整体对比图。图4和图5分别通过本发明方法所获得的输入输出各次谐波的幅度和相位误差图。从结果可以获知本发明可以获得非常良好的谐波检测效果,检测误差小准确度高,具有很好的应用价值。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变化或更改的设计,都落入本发明保护的范围。
Claims (1)
1.一种基于权值直接确定法的实时谐波检测方法,其特征在于,包括以下步骤:
(1)将电力系统中含有各次谐波的周期性信号表示为:
(5)构造正弦基函数矩阵
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102877719A CN103383413A (zh) | 2013-07-09 | 2013-07-09 | 基于权值直接确定法的实时谐波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102877719A CN103383413A (zh) | 2013-07-09 | 2013-07-09 | 基于权值直接确定法的实时谐波检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103383413A true CN103383413A (zh) | 2013-11-06 |
Family
ID=49491257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102877719A Pending CN103383413A (zh) | 2013-07-09 | 2013-07-09 | 基于权值直接确定法的实时谐波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103383413A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106771592A (zh) * | 2017-02-17 | 2017-05-31 | 华中科技大学 | 一种电力系统谐波检测方法 |
CN108663570A (zh) * | 2018-03-15 | 2018-10-16 | 杭州市电力设计院有限公司 | 基于三角函数神经网络的电流谐波分析方法 |
CN109581054A (zh) * | 2018-11-23 | 2019-04-05 | 温州晶彩光电有限公司 | 一种岸基船用变频供电系统的实时谐波快速检测方法 |
CN110967556A (zh) * | 2019-11-08 | 2020-04-07 | 温州商学院 | 基于反馈神经网络的实时谐波检测方法 |
CN112180762A (zh) * | 2020-09-29 | 2021-01-05 | 瑞声新能源发展(常州)有限公司科教城分公司 | 非线性信号系统构建方法、装置、设备和介质 |
CN114325544A (zh) * | 2021-12-02 | 2022-04-12 | 国网河南省电力公司电力科学研究院 | 电容式电压互感器谐波测量模型的获取方法及其应用 |
CN115097204A (zh) * | 2022-06-20 | 2022-09-23 | 丝路梵天(甘肃)通信技术有限公司 | 一种基于神经网络的光伏发电谐波检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100049412A (ko) * | 2008-11-03 | 2010-05-12 | 현대중공업 주식회사 | 전기품질 분석을 위한 시간영역에서 왜곡파형의 고조파 요소 측정방법 |
CN102288820A (zh) * | 2011-08-05 | 2011-12-21 | 上海理工大学 | 基于锁相环和神经网络相结合的谐波检测方法 |
CN102353839A (zh) * | 2011-07-18 | 2012-02-15 | 华北电力大学(保定) | 基于多层前馈神经网络的电力系统谐波分析方法 |
-
2013
- 2013-07-09 CN CN2013102877719A patent/CN103383413A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100049412A (ko) * | 2008-11-03 | 2010-05-12 | 현대중공업 주식회사 | 전기품질 분석을 위한 시간영역에서 왜곡파형의 고조파 요소 측정방법 |
CN102353839A (zh) * | 2011-07-18 | 2012-02-15 | 华北电力大学(保定) | 基于多层前馈神经网络的电力系统谐波分析方法 |
CN102288820A (zh) * | 2011-08-05 | 2011-12-21 | 上海理工大学 | 基于锁相环和神经网络相结合的谐波检测方法 |
Non-Patent Citations (4)
Title |
---|
EYAD K. ALMAITA, ETC: "Radial Basis Function Neural Networks(RBFNN) and p-q Power Theory Based Harmonic Identification in Converter Waveforms", 《JOURNAL OF POWER ELECTRONICS》, vol. 11, no. 6, 30 November 2011 (2011-11-30) * |
张旭: "三种RBF神经网络比较分析", 《软件导刊》, vol. 12, no. 4, 30 April 2013 (2013-04-30) * |
李承 等: "一种具有正弦基函数权值的反馈型神经网络模型", 《物理学报》, vol. 61, no. 7, 31 July 2012 (2012-07-31) * |
雷锡社 等: "基于神经网络的高精度电力系统谐波分析", 《电测与仪表》, vol. 44, no. 3, 31 March 2007 (2007-03-31) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106771592A (zh) * | 2017-02-17 | 2017-05-31 | 华中科技大学 | 一种电力系统谐波检测方法 |
CN108663570A (zh) * | 2018-03-15 | 2018-10-16 | 杭州市电力设计院有限公司 | 基于三角函数神经网络的电流谐波分析方法 |
CN108663570B (zh) * | 2018-03-15 | 2023-05-23 | 杭州市电力设计院有限公司 | 基于三角函数神经网络的电流谐波分析方法 |
CN109581054A (zh) * | 2018-11-23 | 2019-04-05 | 温州晶彩光电有限公司 | 一种岸基船用变频供电系统的实时谐波快速检测方法 |
CN110967556A (zh) * | 2019-11-08 | 2020-04-07 | 温州商学院 | 基于反馈神经网络的实时谐波检测方法 |
CN112180762A (zh) * | 2020-09-29 | 2021-01-05 | 瑞声新能源发展(常州)有限公司科教城分公司 | 非线性信号系统构建方法、装置、设备和介质 |
CN114325544A (zh) * | 2021-12-02 | 2022-04-12 | 国网河南省电力公司电力科学研究院 | 电容式电压互感器谐波测量模型的获取方法及其应用 |
CN115097204A (zh) * | 2022-06-20 | 2022-09-23 | 丝路梵天(甘肃)通信技术有限公司 | 一种基于神经网络的光伏发电谐波检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103383413A (zh) | 基于权值直接确定法的实时谐波检测方法 | |
CN103308804B (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
Pan et al. | Nonlinear sparse mode decomposition and its application in planetary gearbox fault diagnosis | |
CN104714075B (zh) | 一种电网电压闪变包络参数提取方法 | |
CN103257271A (zh) | 一种基于stm32f107vct6的微电网谐波与间谐波检测装置及检测方法 | |
Li et al. | Period-assisted adaptive parameterized wavelet dictionary and its sparse representation for periodic transient features of rolling bearing faults | |
CN103454497A (zh) | 基于改进加窗离散傅立叶变换的相位差测量方法 | |
CN105510711A (zh) | 一种改进的经验模态分解的谐波分析法 | |
CN106250904B (zh) | 基于改进s变换的电能扰动分析仪及分类方法 | |
CN203287435U (zh) | 一种基于stm32f107vct6的微电网谐波与间谐波检测装置 | |
CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法 | |
CN109142863B (zh) | 一种电力系统测频方法及系统 | |
CN102508031A (zh) | 一种基于傅里叶级数的局部放电脉冲相角测量方法 | |
CN105004939A (zh) | 一种复合电能质量扰动信号定量分析方法 | |
CN105445541A (zh) | 一种任意频率下自适应功率计算方法 | |
CN106501602A (zh) | 一种基于滑窗频谱分离的基波参数测量方法 | |
CN104483539A (zh) | 一种基于泰勒展开式的有功功率快速测量方法 | |
CN202102051U (zh) | 一种电网间谐波测量仪 | |
CN105606892A (zh) | 一种基于sst变换的电网谐波与间谐波分析方法 | |
CN110174553A (zh) | 一种基于解析模态分解的密集频率谐波/间谐波检测方法 | |
CN106053937A (zh) | 一种基于fft+ft的基波测频方法 | |
CN110967556A (zh) | 基于反馈神经网络的实时谐波检测方法 | |
CN104808060B (zh) | 一种电信号相位差的数字化测量方法 | |
CN103577877A (zh) | 一种基于时频分析和bp神经网络的船舶运动预报方法 | |
CN205721844U (zh) | 基于改进s变换的电能扰动分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131106 |