基于粒子群优化神经网络的谐波检测.pdfVIP

大 庆 石 油 学 院 学 报 第 34卷 第 1期 2010年 2月 JOuRNA1OFDAQINGPETROlEUM INSTITUI、E VoI．34 No．1 Feb． 2010 基于粒子群优化神经网络的谐波检测 刘 伟 ，张龙水 ，范金玉 (1．大庆石油学院 电气信息工程学 院，黑龙江 大庆 l63318； 2．大庆立元石油化T装备有 限公司 ，黑龙江 大庆 163318) 摘 要 ：根据谐波的傅里叶分析 ，把对谐波相位和幅值的检测转化为对谐波 的正余弦分量幅值的检测．提出一种应 用基于粒子群优化算法的多层前馈神经网络 (MI』FANN)实现谐波检测 的方法 ．并构造一个3层 MLFNN，以电网中最常 见的3次 、5次谐波为例 ，给 出检测的实现方法．MATIAB仿真结果表 明，泼谐波检测方法具有较强的泛化能力和较高 的检测精度． 关 键 词：人T神经网络 ；粒子群算法 ；谐波检测 ；多屡前馈神经网络 中图分类号：TM935．24 文献标识码 ：A 文章编号 ：1000—1891(2010)0l一009,1—04 0 引言 随着 电力 电子技术的发展 ，电网谐波 问题也 日趋严重．有源滤波器是有效抑制谐波 问题的新方法，但 其前提需要准确、实时地检测出电网谐波含量．传统的谐波检测方法或多或少地存在局限性 ，如基于瞬时 无功功率理论的检测方法虽然实时性好 ，但存在计算量大 、调整困难等缺点n ．人工神经网络能够实现 各种复杂非线性映射 ，具有信息分布并行处理 、自适应学习和鲁棒容错等特性，已经被广泛应用于智能控 制 、信号处理、模式识别等领域．近年来 ，人们又将人工神经网络理论应用于电网谐波检测 ，但需要大量的 时间来训练样本 ，也难以满足实时性要求[ ．作为一种进化算法 ，粒子群优化算法 具有操作简便 、依 赖的经验参数少 、在解决非线性和组合优化问题时有扩展性好等优点，目前在各个领域 的应用也非常广 泛．由此，笔者把多层前向神经网络 (multilayeredfeedforwardneuralnetwork，MIFNN)及粒子群优化 算法 (particleswarmoptimization，PS())结合起来 ，应用于电力系统的谐波检测 ，提高学习速度 ，减少训练 时间，并利用 MATIAB编制仿真程序进行仿真 ，验证该方法的有效性． 1 MIFNN 的谐波检测方案 分析电力系统中典型的非线性负载产生的畸变波形，发现谐波含量并不高，而且大多是奇次谐波 ． 在通常状况下，任一奇次谐波的幅值不会超过基波幅值的50 ，而且随着谐波波次的增高 ，幅值也会相应 地减小．对 电网谐波 电流运用傅里叶级数展开可得 i(f)一 j^cos( )【t十 )一 ：A^coshwof+B^sin‰ ，， (1) ^ 式巾：lh为谐波电流幅值，j一 √A：+B ； 为谐波电流相位， 一arctanK-；A 为谐波电流余弦分量幅 ^J h 傍；B 为谐波 电流正弦分量幅值 ；h为谐波次数． 南式(1)町知 ．谐波的幅值 J和相位 可以南陔次谐波的正余弦分量幅值A 和B 表征，而A 和 B 是． ，’(，)的非线性映射 ，凶此利用神经网络的非线性映射能力可以实现对谐波电流的检测． 收稿日期 ：2009—11一l8；审稿人 ：任伟建 ；编辑 ：郑丽芹 基金项 目：黑龙江省教育厅研究 创新基金项 ||(YJSCX2009一O81HII) 作者简介 ：刘 伟 (I97I～)．男 ，博 ．教授 ，主要从 智能控制理论 tj臆用方面的研究 ·9j · 第 l期 刘 伟等：基于粒子群优化神经网络的谐波检测 MIFNN能够实现从输入到输出的任 意非线性映射 ]，其 基本结构见图 1．其中，，为输入 ，i—l，2，… ，／1，”为输入节点