基于BP神经网络的电网谐波分析技术

论文摘要

随着现代工业的发展,非线性电力负荷在电力系统中的应用越来越广泛,在电网中产生大量的电力谐波,对电力系统和用户造成很大的危害,因此对电力谐波加以监测和限制具有重要的意义。本文首先介绍了谐波危害及监测意义,并对当前多种谐波检测方法和谐波测试技术进行分析对比,然后提出了基于BP神经网络的谐波监测分析方法。根据电网谐波的特点,采用了改进型BP网络结构,并形成了训练样本。论文给出了网络算法,用基于Labview工作平台的G语言编写了训练程序,将所形成的样本对网络进行了训练,得到相应的权值和阈值。本文把模拟构造的几组未经训练的谐波以及电网中实测的谐波输入到训练好的BP网络中进行仿真分析,结果表明所设计的神经网络具有较高的测量精度,可以很好地检测谐波成分。虽然仅对畸变的非正弦周期信号的3次、5次、7次、9次等奇次谐波以及畸变的非正弦周期信号中的2次、3次、4次、5次等各次谐波进行了训练和测试,但其原理和方法同样适合于含更多次谐波的信号分析。同时,论文将电网中的实测信号分别用FFT算法和BP算法进行测量,并进行了分析对比,结果表明在输出单元数较少的前提下BP算法测量精度较高、速度较快。最后,利用LabVIEW软件设计了一个谐波检测仪面板,实现了参数设置以及对信号处理过程与分析结果的显示功能。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 谐波问题的概述
• 1.1.1 谐波问题的提出
• 1.1.2 谐波的危害
• 1.1.3 电力系统谐波标准
• 1.1.4 研究谐波的意义
• 1.2 国内外研究现状
• 1.2.1 电网谐波检测方法的研究现状
• 1.2.2 电网谐波测试技术的研究现状
• 1.3 本文研究的目的和研究内容
• 1.3.1 本文研究的目的
• 1.3.2 本文的主要工作
• 2 神经网络理论及谐波测量
• 2.1 引言
• 2.1.1 人工神经网络的提出
• 2.1.2 人工神经网络的特点
• 2.1.3 人工神经网络的发展历史
• 2.2 人工神经网络理论分析
• 2.2.1 人工神经元模型
• 2.2.2 人工神经网络模型
• 2.3 人工神经网络学习
• 2.4 BP网络工程应用应考虑的问题
• 2.5 小结
• 3 基于BP神经网络的谐波监测
• 3.1 BP神经网络理论
• 3.1.1 BP网络结构
• 3.1.2 BP网络的计算公式
• 3.2 BP算法的执行步骤
• 3.3 基于BP神经网络的谐波测量
• 3.3.1 初相角的确定方法
• 3.3.2 神经网络的构建
• 3.3.3 训练样本的形成
• 3.3.4 学习算法
• 3.4 小结
• 4 谐波检测的LabVIEW软件实现
• 4.1 谐波检测方案设计
• 4.2 检测数据的预处理
• 4.2.1 归一化处理
• 4.2.2 数据滤波
• 4.3 基于BP算法的谐波分析
• 4.3.1 BP算法的图形化编程
• 4.3.2 网络训练结果
• 4.3.3 网络测试分析
• 4.4 基于FFT算法的谐波分析
• 4.4.1 谐波监测与分析的基本原理
• 4.4.2 快速傅里叶变换
• 4.5 实测信号测试
• 4.5.1 主界面设计
• 4.5.2 被测信号有效值
• 4.5.3 仿真实验
• 4.6 小结
• 5 结论与展望
• 5.1 结论
• 5.2 有待解决的问题
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论文目录
• B1. 输入为2次、3次、4次、5次谐波电流对应的各权值和阈值
• B2: 输入为3次、5次、7次、9次谐波电流对应的各权值和阈值