一种基于神经元网络的谐波、间谐波检测方法技术

本发明专利技术公开了一种基于神经元网络的谐波、间谐波检测方法。为了克服现有技术中不考虑间谐波的存在导致谐波检测的精度较低的问题，本发明专利技术采用首先对基波频率进行精确检测，再通过预处理判断原电压或电流信号中是否存在间谐波分量，对谐波和间谐波分量采取不同的方法进行检测；优点加快检测速度和提高检测精度。优点加快检测速度和提高检测精度。优点加快检测速度和提高检测精度。

【技术实现步骤摘要】
一种基于神经元网络的谐波、间谐波检测方法


[0001]本专利技术涉及谐波检测领域，具体涉及一种基于神经元网络的谐波、间谐波检测方法。

技术介绍

[0002]电力系统的基本要求是能够保证安全可靠地为电力用户供电，电能质量是否合格对于电力网运行至关重要。在特高压直流输电过程中起到交直流变换核心作用的换流变压器在运行过程中承受交直流电压的共同作用，在负载电流中含有大量的高次谐波分量，这种高次谐波分量会导致换流变压器出现谐波漏磁场和高次谐波损耗。在高次谐波和基波损耗的共同作用下，换流变压器的各个构件内部产生极不均匀的谐波损耗，产生的损耗过大且分布不均匀将可能引起变压器的某一区域的局部过热。过高的温度会加速绝缘材料的老化，降低变压器的性能及缩短其寿命。因此，对换流变压器的谐波特性进行研究，得到谐波对损耗的影响并对变压器内部温升进行预测，准确得到的变压器内部温度分布情况及各个热点温度对于变压器的安全运行具有十分重要的意义。
[0003]现有的谐波检测方法，检测谐波时无法判断是否存在间谐波的干扰，导致谐波检测存在较大的误差；例如，在中国专利文献上公开的“一种谐波分析滤波系统及智能选择谐波检测方法”，其公开号为CN201310172700.4，公开了一种谐波分析滤波系统，包括高次谐波分析装置和滤波装置，所述的滤波装置结构如下：由两个同向的LC单调谐滤波器并联组成一个滤波单元，再由三个这样的滤波单元首尾顺次相连合成一个三角型连接的联合滤波模块，为三相电压中的一相滤除谐波，三个联合滤波模块进行星接，形成滤波装置。这种谐波分析系统，由于没有考虑间谐波的存在对谐波分析的精确度的影响，会造成谐波分析精度降低的问题。

技术实现思路

[0004]为解决现有技术中不考虑间谐波的存在导致谐波检测的精度较低的问题，本专利技术提出一种基于神经元网络的谐波、间谐波检测方法，包括如下步骤：S1：进行电压信号采集，对电压信号进行离散傅里叶变换，检测基波频率；为了提高谐波检测的精度，需要知道准确的基波频率；如果不知道准确的基波频率而直接用50HZ来训练神经网络会造成检测误差较大。所以首先对基波频率进行检测，能够提高谐波检测的精度；S2：对电压信号进行预处理，判断是否存在间谐波；若否，则执行步骤S3；若是，则执行步骤S4；谐波按照次数分为整次谐波和间谐波。首先对谐波信号进行预处理来提取有用信息，判断出谐波信号中是否有间谐波，以便使用相应的检测方法进行检测。使用快速傅里叶变换可以反映在一段时间内某段信号存在哪些频段的信息，可以用于判断是否含有间谐波；S3：利用神经元网络检测谐波参数，若不存在间谐波则结束；若存在间谐波则执行
步骤S4；利用训练后的神经元网络对谐波参数进行检测能够大大提高检测速度和精度；S4：将步骤S1中经过离散傅里叶变换后的电压信号减去基波和各次谐波分量后得到次谐波分量，对间谐波分量进行快速傅里叶变换后经过处理得到间谐波参数。间谐波和谐波的检测采取不同的方法，是为了提高检测速度。
[0005]作为优选，检测基波频率包括以下步骤：S11：构建神经网络模型，所述神经网络输入层为1层、一个神经元，输出层为1层、一个神经元；隐含层为3层，初始权值在[0,1]之间，期望误差取值为[10
‑4，10
‑3]；S12：将步骤S1中采集的信号作为采样信号输入神经网络，计算各层神经元输入和输出以及网络平均误差，判断所述网络平均误差是否处在[10
‑4，10
‑3]区间内，若是，则执行步骤S13；若否则执行步骤S12；当网络平均误差不满足要求时采样信号重新计算输出的过程其实就是对神经元网络的训练过程，当网络平均误差满足要求后输出即可得到精确的参数；采样时间为0.04～0.1ms，采样信号按照采样时间依次输入神经网络；S13：输出，得到基波参数。
[0006]作为优选，步骤S2中对信号进行预处理包括：S21：对电压信号进行离散傅里叶变换得到频率信息；S22：根据步骤S1得出的基波频率信息，计算各次谐波的频率与基波频率之比的余数若余数大于预设的检测精度，则认为存在间谐波；若余数小于预设的检测精度，则认为不存在间谐波；对于存在间谐波和不存在间谐波的情况分开处理，可以大大提高检测速度。
[0007]作为优选，步骤S3中检测谐波参数的步骤包括：S31：构建神经网络并对神经网络进行初始化；S32：以时间t为变量进行采样，从t＝0时刻开始，以10
‑7秒为时间间隔采集共2000组数据；S33：将采集的2000组数据分为训练组、验证组、检测组，其中，训练组占80％，验证组占10％，检测组占10％；S34：利用训练组和验证组数据对神经网络进行训练，得到输出误差，判断检测精度是否满足了预设要求，若是则执行步骤S35；若否，则执行步骤S34；对神经网络进行训练后可以在训练过程中提高检测精度，当误差进入预设范围后即可结束训练，对检测组数据进行检测；S35：利用训练后的神经网络进行谐波信号分析，得出谐波频率幅值相位参数。
[0008]作为优选，将步骤S1中检测到的电压信号减去已经检测得的基波信号以及各次谐波信号后得到只含有间谐波的电压信号。减去基波信号以及各次谐波信号后留下的间谐波信号，不会被基波信号以及各次谐波信号干扰，检测精度也会更高。
[0009]作为优选，对所述只含有间谐波的电压信号进行FFT处理后求得间谐波的初始幅值表，将初始幅值表中的各个峰值对应的频率作为间谐波的频率粗略值，在各个间谐波的频率粗略值周围以0.01～0.2HZ为搜索范围，搜索有效值的极大值，极大值对应的间谐波次数就是对应的间谐波参数。
[0010]有益效果：首先对电压信号进行预处理，判断是否存在间谐波便于分情况处理，加快检测速
度和提高检测精度；间谐波和谐波的检测采用不同的方法，提高检测速度和精度。
[0011]在检测谐波和间谐波前首先精确检测出基波，也能提高谐波和间谐波的检测精度。
附图说明
[0012]图1是本专利技术一种基于神经元网络的谐波、间谐波检测方法的流程示意图。
具体实施方式
[0013]如图1所示，首先采集电压信号，在本实施例中，也可以是电流信号；对采集到的电压信号进行离散傅里叶变换得到频率信息。为了提高谐波检测的精度，需要知道准确的基波频率；如果不知道准确的基波频率而直接用50HZ来训练神经网络会造成检测误差较大。所以首先对基波频率进行检测，能够提高谐波检测的精度。
[0014]基波检测利用训练后的神经网络模型进行检测，神经网络模型的结构设计包括输入层和输出层的层数、隐含层层数以及神经元数，为了减少计算量，本实施例中的输出层层数为1、输入层层数为1、隐含层层数为3、神经元数为1；此外还需要确定初始权值，初始权值直接影响训练过程的收敛以及训练时间等，在本实施例中，初始权值取[0,1]之间的一个随机值。期望精度与隐含层的神经元数目在一定程度上成正比，期望误差的选取关系着神经网络训练的时间，期望误差取得过低，训练时间越长；期望误差过大，训练时间虽然短但是精度低；在本实施例中，选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经元网络的谐波、间谐波检测方法，其特征在于，包括如下步骤：S1：进行电压信号采集，对电压信号进行离散傅里叶变换，检测基波频率；S2：对电压信号进行预处理，判断是否存在间谐波；S3：利用神经元网络检测谐波参数，若不存在间谐波则结束；若存在间谐波则执行步骤S4；S4：将步骤S1中经过离散傅里叶变换后的电压信号减去基波和各次谐波分量后得到间谐波分量，对间谐波分量进行快速傅里叶变换后经过处理得到间谐波参数，结束。2.根据权利要求1所述的一种基于神经元网络的谐波、间谐波检测方法，其特征在于，所述检测基波频率包括以下步骤：S11：构建神经网络模型，所述神经网络输入层为1层、一个神经元，输出层为1层、一个神经元；隐含层为3层，初始权值在[0,1]之间，期望误差取值为[10
‑4，10
‑3]；S12：将步骤S1中采集的信号作为采样信号输入神经网络，计算各层神经元输入和输出以及网络平均误差，判断所述网络平均误差是否处在[10
‑4，10
‑3]区间内，若是，则执行步骤S13；若否则执行步骤S12；S13：输出，得到基波参数。3.根据权利要求1所述的一种基于神经元网络的谐波、间谐波检测方法，其特征在于，所述步骤S2中对信号进行预处理包括：S21：对电压信号进行离散傅里叶变换得到频率信息；S22：根据步骤S1得出的基波频率信息，计算各次谐波的频率与基波频率之比的余数若余数大于预设的检测精度，则认为存在间谐波；若余数小...

【专利技术属性】
技术研发人员：汪泽州，陈刚，周弘毅，鲍建飞，王晨波，储建新，李想，孙帅，孙豪豪，
申请(专利权)人：国网浙江省电力有限公司海盐县供电公司，
类型：发明
国别省市：