一种猫群算法优化最小均方根自适应谐波检测方法技术

本发明专利技术公开了一种猫群算法优化最小均方根自适应谐波检测方法，涉及电力技术领域，通过在传统变步长均方根(LMS)算法谐波检测基础上，引进猫群算法(CSO)对其进行优化，解决了传统方法对初始值敏感，检测精度不佳等问题，实现了对负载电流中谐波的实时检测，通过本方法对谐波的检测精度较高，收敛速度较快；同时对有效治理谐波，提高电能质量具有重大意义。

An adaptive harmonic detection method based on minimum root mean square optimization of cat group algorithm

【技术实现步骤摘要】
一种猫群算法优化最小均方根自适应谐波检测方法
本专利技术涉及电力
，具体涉及一种猫群算法优化最小均方根自适应谐波检测方法。
技术介绍
近年来，电力
中随着大量的非线性电力电子器件的使用，产生的大量谐波严重降低了用户的电能质量和设备运行的稳定性，采取切实有效的谐波补偿方法来解决电网谐波污染问题已经刻不容缓，能够动态补偿谐波的有源电力滤波器(APF)得到了广泛的应用，其中，谐波检测环节作为APF的关键部分，检测的精确性和有效性直接影响了谐波补偿的效果，因此，研究和改进谐波实时检测的算法愈加重要。目前广泛使用的谐波检测方法主要有：基于瞬时无功功率理论、FFT理论、小波变换等。这些算法有着共同的特性：频率固定且系统闭环，对电网参数较为敏感，随着自适应滤波器和群体智能算法的发展，自适应滤波算法在谐波检测领域的应用越来越广泛。如最小均方根(LMS)算法同时适用于三相系统和单相系统，但LMS算法作为使用最广的一种自适应滤波算法，对初始值敏感的缺点尤为明显，导致谐波检测精度较低。
技术实现思路
为解决现有技术问题，本专利技术通提本文档来自技高网...

【技术保护点】
1.一种猫群算法优化最小均方根自适应谐波检测方法，其特征在于：包括以下步骤：/nS1：电流信号采样：对周期性含谐波的负载电流i

【技术特征摘要】
1.一种猫群算法优化最小均方根自适应谐波检测方法，其特征在于：包括以下步骤：
S1：电流信号采样：对周期性含谐波的负载电流iL(t)进行采样，得到当前采样时刻对应的负载电流iL(t)的离散值iL(n)；
S2：给定一个输入参考信号其中A为幅值，f为频率，为相位，对应取值范围：-2≤A≤2、48≤f≤52、相应地得到x(t)的离散信号x(n)；
S3：通过LMS算法得到基波电流的估计值y(n)，即：y(n)＝x(n)*wT(n)；其中w(n)为当前采样时刻n的权系数矩阵，取初值w(0)＝0。wT(n)为矩阵w(n)的转置；
S4：将步骤S1中的采样电流离散值iL(n)与步骤S3中基波电流的估计值y(n)取差值，得到当前采样时刻n下的谐波电流ih(n)，也为当前时刻n的误差值e(n)，即：e(n)＝iL(n)-y(n)；
S5：更新下一采样时刻的权系数矩阵w(n+1)＝w(n)+2*μ(n)*e(n)*x(n)，其中，μ(n)为当前采样时刻的步长。步长越大，LMS算法收敛速度越快，但谐波检测精度越低，因此步长(n)取值如下：当n≤20时，μ(n)＝0.3；当n>20时，μ(n)＝0.01；
S6：引入猫群算法，对LMS自适应算法的输入x(n)进行优化，以均方根误差为适应度函数，对x(n)中的三个参数A、f、求取最优值。


2.根据权利要求1所述的一种猫群算法优化最小均方根自适应谐波检测方法，其特征在于：
S5中所述步长越大，LMS算法收敛速度越快，但谐波检测精度越低，因此步长(n)取值如下：当n≤20时，μ(n)＝0.3；当n>20时，μ(n)＝0.01。


3.根据权利要求1所述的一种猫群算法优化最小均方根自适应谐波检测方法，其特征在于：
S6包括以下步骤：
步骤1：初始化猫群，设置猫群优化算法的群体大小为N，最大迭代次数为kmax，；分组率MR，随机初始化猫群体...

【专利技术属性】
技术研发人员：聂晓华，万良，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36