一种输电网的谐波测量方法和装置制造方法及图纸

本发明专利技术公开了一种输电网的谐波测量方法，包括：对输电网的采样信号序列进行全相位傅里叶运算，以获取目标谐波相位信息。根据所述目标谐波相位信息，构建小波神经网络，用于计算并输出谐波幅值信息。在预设的最大迭代次数范围内，通过调整小波神经网络的预设参数信息，计算所述小波神经网络的目标误差函数值，直到所述小波神经网络的目标误差函数值符合预设误差要求时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。本发明专利技术还公开了相应的谐波测量装置，采用本发明专利技术实施例，结合傅里叶变换、小波变换和神经网络算法的优势，有效地提高谐波测量方法的精确性、高效性和鲁棒性，以满足输电网谐波监测应用要求，提高输电网的安全稳定运行。

【技术实现步骤摘要】
一种输电网的谐波测量方法和装置
本专利技术涉及电力系统
，尤其涉及一种输电网的谐波测量方法和装置。
技术介绍
高压直流输电技术具有造价低、损耗小、可调性和可靠性高等优势，在许多电网领域得到了广泛应用。高压直流输电系统的核心电力电子器件是换流器，换流器一般由6或12个桥臂(换流阀)构成，因此一个直流输电工程所需晶闸管的数量巨大，一般在数千只以上。而换流器作为非线性电力电子元件，在工作时不可避免的会产生各次谐波，这些谐波的存在严重危害电网的安全可靠运行。在现有技术中，基于傅里叶变换(FFT)的谐波测量方法是已建成工程中应用最广泛的谐波检测方法，该方法主要适用于稳态谐波信号的检测，当信号中有暂态成分时，使用该方法会产生频谱混叠效应和栅栏效应，使计算出的谐波信号不准确，无法满足测量精度要求以及无法定位暂态信号发生、结束的时间。为了弥补傅立叶变换不具有时域局部性的缺陷，小波变换在分析非稳态谐波信号方面展现了与傅里叶变换互补的优越性。目前基于傅里叶变换的算法经过加窗和加插值的改进，可以减少由频谱侧漏和栅栏效应引起的谐波测量误差，但是该算法的采样和计算时间并没有减少，无法满足谐波测量的实时性要求。
技术实现思路
本专利技术实施例的目的是提供一种输电网的谐波测量方法和装置，能结合傅里叶变换、小波变换和神经网络算法的优势，以计算谐波参数信息，有效地提高谐波测量方法的精确性、高效性和鲁棒性，以满足输电网谐波监测应用要求，提高输电网的安全稳定运行。为实现上述目的，本专利技术实施例提供了一种输电网的谐波测量方法，包括：对输电网中的原始信号进行等时间间隔采样，得到采样信号序列；对所述采样信号序列进行全相位傅里叶运算，以获取所述输电网的目标谐波相位信息；根据所述目标谐波相位信息，构建小波神经网络；将经过全相位傅里叶运算后的采样信号序列进行小波变换，并输入所述小波神经网络中，计算并输出谐波幅值信息；根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值；判断所述小波神经网络的目标误差函数值是否符合预设误差要求，当所述小波神经网络的目标误差函数值符合预设误差要求时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。作为上述方案的改进，所述输电网的谐波测量方法还包括：当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息；其中，所述预设参数信息包括输入层至隐藏层的权值、隐藏层至输出层的权值、神经元激励函数的尺度伸缩因子和时间平移因子；在调整所述小波神经网络的预设参数信息之后，重新计算并输出谐波幅值信息，并计算所述小波神经网络的目标误差函数，以再次判断所述小波神经网络的目标误差函数值是否符合预设误差要求。作为上述方案的改进，所述输电网的谐波测量方法还包括：对所述小波神经网络的预设参数信息的调整次数进行计数；当判定所述小波神经网络的预设参数信息的调整次数达到预设的最大迭代次数时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。作为上述方案的改进，所述根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值，具体包括：根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，通过以下计算公式，计算所述小波神经网络的目标误差函数值：其中，E为所述小波神经网络的目标误差函数值；为输出层第n个节点的期望输出值；为输出层第n个节点的实际输出值；p为所述采样信号序列中采样信号的数量。作为上述方案的改进，所述当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息，具体包括：当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，以每一预设参数信息对应预设的动量项作为调整步长，调整所述小波神经网络的预设参数信息。作为上述方案的改进，所述当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息，具体包括：通过以下计算公式，调整所述小波神经网络的输入层至隐藏层的权值：其中，ωkm(t)和ωkm(t+1)分别为调整前和调整后的输入层至隐藏层的权值；λΔωkm(t)为动量项；λ为所述小波神经网络预设的动量因子；η为所述小波神经网络预设的学习率；p为所述采样信号序列中采样信号的数量；为第n个节点误差函数；ωnk为所述小波神经网络的隐藏层至输出层的权值；为隐含层的输出值；为隐含层的输入值，为输入层的输入值；通过以下计算公式，调整所述小波神经网络的隐藏层至输出层的权值：其中，ωnk(t)和ωnk(t+1)为调整前和调整后的隐藏层至输出层的权值；λΔωnk(t)为动量项；为输出层第n个节点的期望输出值；为输出层第n个节点的实际输出值；通过以下计算公式，调整所述小波神经网络的神经元激励函数的尺度伸缩因子：其中，ak(t)和ak(t+1)为调整前和调整后的尺度伸缩因子；Δak(t)为伸缩因子动量项；通过以下计算公式，调整所述小波神经网络的神经元激励函数的时间平移因子：其中，bk(t)和bk(t)为调整前和调整后的时间平移因子；Δbk(t)为平移因子动量项。作为上述方案的改进，所述根据所述目标谐波相位信息，构建小波神经网络，具体包括：根据所述目标谐波相位信息，确定小波神经网络的输入层节点数、输出层节点数和隐藏层节点数；选取预设的小波函数作为小波神经网络的隐藏层的神经元激励函数；设置小波变换后的信号样本作为所述小波神经网络的输入神经元，各次谐波的幅值作为所述小波神经网络的输出神经元；初始化所述小波神经网络的预设参数信息，以构建所述小波神经网络；其中，所述预设参数信息包括输入层至隐藏层的权值、隐藏层至输出层的权值、神经元激励函数的尺度伸缩因子和时间平移因子。本专利技术实施例还提供了一种输电网的谐波测量装置，包括：原始信号采样模块，用于对输电网中的原始信号进行等时间间隔采样，得到采样信号序列；相位信息获取模块，用于对所述采样信号序列进行全相位傅里叶运算，以获取所述输电网的目标谐波相位信息；神经网络构建模块，用于根据所述目标谐波相位信息，构建小波神经网络；神经网络计算模块，用于将经过全相位傅里叶运算后的采样信号序列进行小波变换，并输入所述小波神经网络中，计算并输出谐波幅值信息；误差函数计算模块，用于根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值；幅值信息获取模块，用于判断所述小波神经网络的目标误差函数值是否符合预设误差要求，当所述小波神经网络的目标误差函数值符合预设误差要求本文档来自技高网...

【技术保护点】
1.一种输电网的谐波测量方法，其特征在于，包括：/n对输电网中的原始信号进行等时间间隔采样，得到采样信号序列；/n对所述采样信号序列进行全相位傅里叶运算，以获取所述输电网的目标谐波相位信息；/n根据所述目标谐波相位信息，构建小波神经网络；/n将经过全相位傅里叶运算后的采样信号序列进行小波变换，并输入所述小波神经网络中，计算并输出谐波幅值信息；/n根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值；/n判断所述小波神经网络的目标误差函数值是否符合预设误差要求，当所述小波神经网络的目标误差函数值符合预设误差要求时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。/n

【技术特征摘要】
1.一种输电网的谐波测量方法，其特征在于，包括：
对输电网中的原始信号进行等时间间隔采样，得到采样信号序列；
对所述采样信号序列进行全相位傅里叶运算，以获取所述输电网的目标谐波相位信息；
根据所述目标谐波相位信息，构建小波神经网络；
将经过全相位傅里叶运算后的采样信号序列进行小波变换，并输入所述小波神经网络中，计算并输出谐波幅值信息；
根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值；
判断所述小波神经网络的目标误差函数值是否符合预设误差要求，当所述小波神经网络的目标误差函数值符合预设误差要求时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。


2.如权利要求1所述的输电网的谐波测量方法，其特征在于，所述输电网的谐波测量方法还包括：
当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息；其中，所述预设参数信息包括输入层至隐藏层的权值、隐藏层至输出层的权值、神经元激励函数的尺度伸缩因子和时间平移因子；
在调整所述小波神经网络的预设参数信息之后，重新计算并输出谐波幅值信息，并计算所述小波神经网络的目标误差函数，以再次判断所述小波神经网络的目标误差函数值是否符合预设误差要求。


3.如权利要求2所述的输电网的谐波测量方法，其特征在于，所述输电网的谐波测量方法还包括：
对所述小波神经网络的预设参数信息的调整次数进行计数；
当判定所述小波神经网络的预设参数信息的调整次数达到预设的最大迭代次数时，获取所述小波神经网络当前输出的谐波幅值信息，作为所述输电网的目标谐波幅值信息。


4.如权利要求1所述的输电网的谐波测量方法，其特征在于，所述根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，计算所述小波神经网络的目标误差函数值，具体包括：
根据所述小波神经网络的输出层的每一节点的期望输出值和实际输出值，通过以下计算公式，计算所述小波神经网络的目标误差函数值：



其中，E为所述小波神经网络的目标误差函数值；为输出层第n个节点的期望输出值；为输出层第n个节点的实际输出值；p为所述采样信号序列中采样信号的数量。


5.如权利要求2所述的输电网的谐波测量方法，其特征在于，所述当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息，具体包括：
当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，以每一预设参数信息对应预设的动量项作为调整步长，调整所述小波神经网络的预设参数信息。


6.如权利要求5所述的输电网的谐波测量方法，其特征在于，所述当所述小波神经网络的目标误差函数值不符合所述预设误差要求时，调整所述小波神经网络的预设参数信息，具体包括：
通过以下计算公式，调整所述小波神经网络的输入层至隐藏层的权值：






其中，ωkm(t)和ωkm(t+1)分别为调整前和调整后的输入层至隐藏层的权值；λΔωkm(t)为动量项；λ为所述小波神经网络预设的动量因子；η为所述小波神经网络预设的学习率；p为所述采样信号序列中采样信号的数量；为第n个节点误差函数；ωnk为所述小波神经网络的隐藏层至输出...

【专利技术属性】
技术研发人员：吴为，洪潮，曾德辉，赵睿，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东;44