第三章_谐波检测..pptVIP

第三章 谐波检测 内容 背景 背景 背景 背景 背景 内容 谐波检测概述 谐波检测概述 内容 傅里叶级数数学基础 傅里叶级数数学基础 傅里叶级数数学基础 离散傅里叶变换（DFT） 离散傅里叶变换（DFT） 离散傅里叶变换（DFT） 离散傅里叶变换（DFT） 离散傅里叶变换（DFT） 离散傅里叶变换（DFT） 内容 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 内容 基于ANN的谐波检测 基于ANN的谐波检测 基于ANN的谐波检测 基于ANN的谐波检测 基于ANN的谐波检测 基于ANN的谐波检测 基于瞬时功率理论的谐波检测 基于瞬时功率理论的谐波检测 ip-iq法谐波电流检测原理 图6 ip-iq法谐波电流检测原理框图 ip-iq法谐波电流检测仿真模型 图7 基于ip-iq法有源滤波器仿真图 ip-iq法谐波电流检测仿真模型 图7 基于ip-iq法谐波电流检测仿真图 ip-iq法谐波电流检测仿真波形 图7 负载电流以及检测出的基波、谐波电流波形 背景 谐波检测概述 基于FFT的谐波检测 基于瞬时功率理论检测 基于ANN的谐波检测 内容 人工神经网络（ANN） 人工神经网络（Artificial Neural Network，简称ANN），以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。人工神经网络具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性。它可以实现仿真、预测以及模糊控制等功能。是处理非线性系统的有力工具。 基于ANN的谐波检测 基于自适应的谐波电流检测方法利用了自适应信号处理中的噪声对消法：当原始输入是信号和与信号不相关的加性噪声组成时，参考噪声信号通过自适应滤波器处理后与原始输入相减，经过系统自适应调整使最小均方误差最小，实现抵消干扰噪声、检测出信号的目的，能够实时的、动态的检测谐波。 当自适应方法用于谐波检测时，将基波分量看作噪声，通过最小均方误差算法来调整权重，得到被测电流中的基波分量，从而检测出谐波。 基于ANN的谐波检测原理 设电源电压 ，非线性负载的周期非正弦电流可用傅立叶级数展开为 式中 和 分别为基波电流和n次谐波电流。可将它们进一步分解为正弦和余弦两部分 注： 和 分别为基波有功电流和基波无功电流； 和 分别为n次谐波的正弦和余弦分量。 基于ANN的谐波检测原理 设电源电压 ，非线性负载的周期非正弦电流可用傅立叶级数展开为 式中 和 分别为基波电流和n次谐波电流。可将它们进一步分解为正弦和余弦两部分 基于ANN的谐波检测原理 用基于自适应噪声对消法进行谐波检测，取 作为原始输入，若将 作为“噪声干扰”信号，则其它高次谐波的总电流 便是需要检测的“信号”， 与 不相关；取基波正弦和余弦信号 、 作为参考输入，它们与“噪声干扰”电流对应的各次正弦和余弦分量分别相关。因此，可通过多路自适应滤波器得到“噪声干扰”电流 的各分量及“信号” 的最小均方误差意义下的逼近值。 基于ANN的谐波检测原理 图8 ANN自适应谐波电流检测原理图 （a） （b） 注： 、 ( ）为神经元权值 信息科学与工程学院 信息科学与工程学院 背景 谐波检测概述 基于FFT的谐波检测 基于瞬时功率理论检测 基于ANN的谐波检测 内容 近年来，一些非线性和时变性电子装置如整流器、逆变器和各种开关电源等大规模地应用，以及工业用电弧炉、电力机车等大功率非线性和时变性电子装置的使用，使得电网中电流波形严重畸变，含有大量的谐波和无功分量，给电能的生产和传输带来危害，也影响电子设备的应用。 下面我以一个很常见的实例来引出今天要讲的内容。 图1 三相桥