本发明专利技术涉及一种基于权值直接确定法的实时谐波检测方法，本发明专利技术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。本发明专利技术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。
【技术实现步骤摘要】
本专利技术属于信号处理领域，具体涉及一种基于权值直接确定法的实时谐波检测方法。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术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）其中， 为基波角频率，，为基波频率， i为谐波次数，和分别为第次谐波的幅度和相位；为最高次谐波次数；（2）将公式（1）进行离散化并展开成矩阵形式，则第个采样值表示为，其中，，为采样数，为采样周期，，；（3）设定正弦基神经网络输入输出层的线性激励函数；（4）将正弦基神经网络的权值矩阵设计为的形式，即令权值矩阵；（5）构造正弦基函数矩阵 ； （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；其中，上标+表示矩阵伪逆运算， ；（7）根据权值矩阵的估计值计算基波与各次谐波的准确幅度和相位，重构出基波和各次谐波。本专利技术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。下面结合附图对本专利技术做进一步的描述。附图说明图1是本专利技术的正弦基神经网络结构图；图2是本专利技术在分析信号为，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3是本专利技术在分析信号为，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整体对比图；图4是本专利技术在分析信号为，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。图5是本专利技术在分析信号为，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相位误差图。具体实施方式本专利技术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 （1）其中，为第次谐波的角频率，，为基波频率，和分别为第次谐波的幅度和相位；为最高次谐波次数，为最高次谐波次数。将式（1）用三角函数变换公式进一步表示为 （2）其中：为基波角频率，j为谐波次数，为采样周期。（2）将公式（2）进行离散化并展开成矩阵形式，第个采样值即可表达成如下形式： 其中，，。（3）设定正弦基神经网络输入输出层的线性激励函数； （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。据此，我们将神经网络权值矩阵设计为的形式，即令权值矩阵即可。因此，一旦获得权值矩阵，即可计算出基波幅度为，相位为；同理，获得第k次谐波的幅度与相位分别为，，，从而可重构出基波和各次谐波。（5）正弦基函数矩阵设计因为是一个元素值仅与采样有关的矩阵。的作用类似于将输入的采样点进行函数映射，获得函数输出，那么就可以将该矩阵元素作为正弦三角基函数。那么，根据采样点的输入变化，可构成如下正弦基函数矩阵 （3）其中：2为隐层神经元个数，为采样数，，为输入信号采样值，；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其中：为谐波输入信号采样向量，为采样数。要构造一步求解，必须保证的一阶偏导为零向量，且二阶偏导矩阵为一正定矩阵，才可以保证该优化问题具有唯一最小解。下面来验证该两矩阵。首先对求一阶导并令其值等于零向量，获得若满秩，则有解这里上标+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：（7）根据权值矩阵的估计值计算基波与各次谐波的准确幅度和相位，重构出基波和各次谐波；具体的讲，即基波幅度为，相位为；同理，获得第k次谐波的幅度与相位分别为，，，据此即可重构出基波和各次谐波。实例展示：假设分析信号为，基频为50Hz，谐波和相位随机产生，10分贝高斯白噪声情况下图2是本专利技术在分析获得的各次波形图。图3是通过本专利技术方法所获得的输入输出整体对比图。图4和图5分别通过本专利技术方法所获得的输入输出各次谐波的幅度和相位误差图。从结果可以获知本专利技术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。本专利技术不仅局限于上述具体实施本文档来自技高网...
【技术保护点】
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：??????????????（2）其中，为基波角频率，，为基波频率，i为谐波次数，和分别为第次谐波的幅度和相位；为最高次谐波次数；（2）将公式（1）进行离散化并展开成矩阵形式，则第个采样值表示为，其中，，，为采样周期，，；（3）设定正弦基神经网络输入输出层的线性激励函数；（4）将正弦基神经网络的权值矩阵设计为的形式，即令权值矩阵；（5）构造正弦基函数矩阵??；??（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；其中，上标+表示矩阵伪逆运算，?；（7）根据权值矩阵的估计值计算基波与各次谐波的准确幅度和相位，重构出基波和各次谐波。460935dest_path_image001.jpg,873462dest_path_image002.jpg,698199dest_path_image003.jpg,879781dest_path_image004.jpg,335033dest_path_image005.jpg,297173dest_path_image006.jpg,863284dest_path_image007.jpg,961690dest_path_image008.jpg,587843dest_path_image009.jpg,37279dest_path_image010.jpg,141501dest_path_image011.jpg,359993dest_path_image012.jpg,157048dest_path_image013.jpg,828200dest_path_image014.jpg,1693dest_path_image015.jpg,12374dest_path_image016.jpg,42647dest_path_image017.jpg,138779dest_path_image018.jpg,584804dest_path_image019.jpg,780817dest_path_image020.jpg,919675dest_path_image021.jpg,565420dest_path_image022.jpg,815135dest_path_image020.jpg...
【技术特征摘要】
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：
（2）
其中，为基波角频率，，为基波频率，i为谐波次数，和分别为第次谐波的幅度和相位；为最高次谐波次数；
（2）将公式（1）进行离散化并展开成矩阵形式，则第个采样值表示为，其中，，，为采样周期，
，；
...
【专利技术属性】
技术研发人员：李晗，阮秀凯，戴瑜兴，谈燕花，
申请(专利权)人：温州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。