基于分段迭代的電力諧波和間諧波神經(jīng)網(wǎng)絡分析方法.pdf

1、由于非線性負荷和電力電子器件的大量使用，導致電網(wǎng)中電壓、電流波形畸變越來越嚴重，不僅存在含有率較大的整數(shù)次諧波，而且還存在頻譜分量豐富的非整數(shù)次諧波——間諧波，威脅電力系統(tǒng)及其用電設備的安全、經(jīng)濟運行。治理諧波和間諧波的前提是準確計算出其參數(shù)。因此，研究諧波和間諧波的分析方法具有重要意義。
　　本文對傅里葉變換、小波變換、現(xiàn)代譜估計和人工智能在精度、實時性、適用范圍、穩(wěn)定性、自適應能力等多個方面進行了綜合比較。屬于人工智能的增強型

2、Adaline神經(jīng)網(wǎng)絡因其具有自適應學習性能、能同時調整網(wǎng)絡激勵函數(shù)向量和權值向量、計算精度高，近年來被用于諧波和間諧波分析，但尚處于起步階段。
　　本文針對增強型Adaline神經(jīng)網(wǎng)絡的計算精度依賴網(wǎng)絡初始值的缺點，將加漢寧窗插值FFT算法與增強型Adaline神經(jīng)網(wǎng)絡相結合。FFT變換能同時估計信號的頻率、幅值和相位，是最基本的諧波和間諧波分析方法，但存在頻譜泄漏、柵欄效應的缺點。本文通過理論分析、公式推導和Matlab仿真實

3、驗驗證了加窗插值算法能有效抑制FFT變換的頻譜泄漏和柵欄效應。
　　為了提高增強型Adaline神經(jīng)網(wǎng)絡的諧波和間諧波分析精度和抗噪性能，提出了分段迭代法。分段迭代法將采樣數(shù)據(jù)按采樣時間分段，依次用各段對應的誤差信息來調整增強型Adaline神經(jīng)網(wǎng)絡的參數(shù)。該方法結合一點迭代法和全部點迭代法的優(yōu)點，既對各時間段內的誤差性能指標關于待調整參數(shù)的一階偏導數(shù)取平均值，減少噪聲對網(wǎng)絡參數(shù)調整的影響，又充分保留誤差中包含的諧波和間諧波的信息

4、，使增強型Adaline神經(jīng)網(wǎng)絡具有較高的參數(shù)估計精度。同時，根據(jù)各分量參數(shù)估計誤差和頻率對誤差函數(shù)一階偏導之間的關系，提出了修正信號幅值最大分量對應的頻率調整量的處理方式，以提高增強型Adaline神經(jīng)網(wǎng)絡計算信號參數(shù)的精度。仿真結果驗證了本文所提出的諧波和間諧波分析方法具有分析精度高、抗噪能力強、實時性好的優(yōu)點。
　　最后，利用基于加漢寧窗插值FFT算法的增強型Adaline神經(jīng)網(wǎng)絡對計算機、臺燈、洗衣機和鍛造廠的電壓、電流實